Python-从数据帧使用sqlalchemy写入SQL server数据库

我有一个大约300000行（20mb）的pandas数据帧，希望写入SQL server数据库

我有以下代码，但执行起来非常慢。想知道是否有更好的方法

import pandas
import sqlalchemy

engine = sqlalchemy.create_engine('mssql+pyodbc://rea-eqx-dwpb/BIWorkArea? 
driver=SQL+Server')

df.to_sql(name='LeadGen Imps&Clicks', con=engine, schema='BIWorkArea', 
if_exists='replace', index=False)

---

如果要加快写入sql数据库的过程，可以通过

pandas

DataFrame

from sqlalchemy import types, create_engine
d={}
for k,v in zip(df.dtypes.index,df.dtypes):
    if v=='object':
       d[k]=types.VARCHAR(df[k].str.len().max())
    elif v=='float64':
       d[k]=types.FLOAT(126)
    elif v=='int64':
       d[k] = types.INTEGER()

然后

---

：我本想以副本的形式关闭，但我没有立即找到链接的答案。@MitchWheat的可能副本为您找到了它。

pyodbc的可能副本

过去在大型

executemany（）

批处理方面存在问题，而

to_sql（）

在引擎盖下使用。

fast\u executemany

标志应该在某种程度上解决这个问题（>100x加速）。

df.to_sql(name='LeadGen Imps&Clicks', con=engine, schema='BIWorkArea', if_exists='replace', index=False,dtype=d)