Write Large Pandas DataFrames su database SQL Server

Question

Ho 74 DataFrames Pandas relativamente grandi (circa 34.600 righe e 8 colonne) che sto cercando di inserire in un database SQL Server il più rapidamente possibile. Dopo aver fatto qualche ricerca, ho appreso che la buona funzione pandas.to_sql non è buona per inserti così grandi in un database SQL Server, che era l'approccio iniziale che ho preso (molto lento - quasi un'ora per completare l'applicazione vs circa 4 minuti . quando si utilizzano database mysql)

This article, e molti altri posti StackOverflow sono stati utili a me che punta nella direzione giusta, ma ho colpito un posto di blocco:

sto cercando di utilizzare core SQLAlchemy piuttosto che il ORM per ragioni spiegate nel link sopra. Quindi, io sono la conversione del dataframe ad un dizionario, usando pandas.to_dict e poi facendo un execute() e insert():

self._session_factory.engine.execute(
    TimeSeriesResultValues.__table__.insert(), 
    data) 
# 'data' is a list of dictionaries. 

Il problema è che inserto non sta ottenendo alcun valore - appaiono come una serie di parentesi vuota e io ottenere questo errore:

(pyodbc.IntegretyError) ('23000', "[23000] [FreeTDS][SQL Server]Cannot 
insert the value NULL into the column... 

ci sono valori nella lista dei dizionari che ho passato in, quindi non riesco a capire il motivo per cui i valori non vengono visualizzati.

EDIT:

Ecco l'esempio che sto andando fuori di:

def test_sqlalchemy_core(n=100000): 
    init_sqlalchemy() 
    t0 = time.time() 
    engine.execute(
     Customer.__table__.insert(), 
     [{"name": 'NAME ' + str(i)} for i in range(n)] 
    ) 
    print("SQLAlchemy Core: Total time for " + str(n) + 
     " records " + str(time.time() - t0) + " secs") 

Answer 1

ho una triste notizia per voi, SQLAlchemy in realtà non implementa importazioni di massa per SQL Server, è in realtà solo andando a fare le stesse istruzioni INSERT singolo lento che sta facendo to_sql. Direi che la cosa migliore è provare a scrivere qualcosa usando lo strumento da riga di comando bcp. Ecco uno script che ho usato in passato, ma non ci sono garanzie:

from subprocess import check_output, call 
import pandas as pd 
import numpy as np 
import os 

pad = 0.1 
tablename = 'sandbox.max.pybcp_test' 
overwrite=True 
raise_exception = True 
server = 'P01' 
trusted_connection= True 
username=None 
password=None 
delimiter='|' 
df = pd.read_csv('D:/inputdata.csv', encoding='latin', error_bad_lines=False) 



def get_column_def_sql(col): 
    if col.dtype == object: 
     width = col.str.len().max() * (1+pad) 
     return '[{}] varchar({})'.format(col.name, int(width)) 
    elif np.issubdtype(col.dtype, float): 
     return'[{}] float'.format(col.name) 
    elif np.issubdtype(col.dtype, int): 
     return '[{}] int'.format(col.name) 
    else: 
     if raise_exception: 
     raise NotImplementedError('data type {} not implemented'.format(col.dtype)) 
     else: 
     print('Warning: cast column {} as varchar; data type {} not implemented'.format(col, col.dtype)) 
     width = col.str.len().max() * (1+pad) 
     return '[{}] varchar({})'.format(col.name, int(width)) 

def create_table(df, tablename, server, trusted_connection, username, password, pad):   
    if trusted_connection: 
     login_string = '-E' 
    else: 
     login_string = '-U {} -P {}'.format(username, password) 

    col_defs = [] 
    for col in df: 
     col_defs += [get_column_def_sql(df[col])] 

    query_string = 'CREATE TABLE {}\n({})\nGO\nQUIT'.format(tablename, ',\n'.join(col_defs))  
    if overwrite == True: 
     query_string = "IF OBJECT_ID('{}', 'U') IS NOT NULL DROP TABLE {};".format(tablename, tablename) + query_string 


    query_file = 'c:\\pybcp_tempqueryfile.sql' 
    with open (query_file,'w') as f: 
     f.write(query_string) 

    if trusted_connection: 
     login_string = '-E' 
    else: 
     login_string = '-U {} -P {}'.format(username, password) 

    o = call('sqlcmd -S {} {} -i {}'.format(server, login_string, query_file), shell=True) 
    if o != 0: 
     raise BaseException("Failed to create table") 
    # o = call('del {}'.format(query_file), shell=True) 


def call_bcp(df, tablename): 
    if trusted_connection: 
     login_string = '-T' 
    else: 
     login_string = '-U {} -P {}'.format(username, password) 
    temp_file = 'c:\\pybcp_tempqueryfile.csv' 

    #remove the delimiter and change the encoding of the data frame to latin so sql server can read it 
    df.loc[:,df.dtypes == object] = df.loc[:,df.dtypes == object].apply(lambda col: col.str.replace(delimiter,'').str.encode('latin')) 
    df.to_csv(temp_file, index = False, sep = '|', errors='ignore') 
    o = call('bcp sandbox.max.pybcp_test2 in c:\pybcp_tempqueryfile.csv -S "localhost" -T -t^| -r\n -c')