Du kan gøre et par ting for at opnå det.
En måde er at bruge et ekstra argument, mens du skriver til sql.
df.to_sql(method = 'multi')
Ifølge denne dokumentation , ved at sende 'multi' til metodeargumentet kan du masseindsætte.
En anden løsning er at konstruere en brugerdefineret indsættelsesfunktion ved hjælp af multiprocessing.dummy.her er linket til dokumentationen:https://docs.python.org/2/library/multiprocessing.html#module-multiprocessing.dummy
import math
from multiprocessing.dummy import Pool as ThreadPool
...
def insert_df(df, *args, **kwargs):
nworkers = 4 # number of workers that executes insert in parallel fashion
chunk = math.floor(df.shape[0] / nworkers) # number of chunks
chunks = [(chunk * i, (chunk * i) + chunk) for i in range(nworkers)]
chunks.append((chunk * nworkers, df.shape[0]))
pool = ThreadPool(nworkers)
def worker(chunk):
i, j = chunk
df.iloc[i:j, :].to_sql(*args, **kwargs)
pool.map(worker, chunks)
pool.close()
pool.join()
....
insert_df(df, "foo_bar", engine, if_exists='append')
Den anden metode blev foreslået på https://stackoverflow.com/a/42164138/5614132 .