51Testing
登录

热门文章

专题

杂志

调查报告

电脑版

我用Python处理3万多条数据，只要几秒钟……

2020-2-06 13:34作者：佚名来源：Python编程

　　应用场景：工作中经常遇到大量的数据需要整合、去重、按照特定格式导出等情况。如果用 Excel 操作，不仅费时费力，还不准确，有么有更高效的解决方案呢？
　　本文以17个 txt 文本，3万多条数据为例，使用 Python 连接 MySQL 数据库，实现快速操作。
　　别人加班干的活，我的 Python 小助手几秒钟就搞定了！
　　本文主要包括以下三方面内容：
　　· 数据写入
　　· 数据去重
　　· 数据导出
　　将数据写入 MySQL 数据库
　　下图所示文件是本文的数据源：
　　我们的设想是：编写一个小程序，扔在这个文件夹里，双击后就可以自动读取每个 txt 文档中的数据，并写入数据库。
　　代码如下：
import pymysql  
import os  
conn = pymysql.connect(host='localhost', user='root', password='123456', db='qq', charset='utf8')  
cur = conn.cursor()  
cur.execute("CREATE TABLE qq ( id int(5) NOT NULL auto_increment, qq varchar(20)NOT NULL, PRIMARY KEY  (id));")  
conn.commit()  
path = os.getcwd()  
files = os.listdir(path)  
i = 0  
for file in files:  
    f = open(file,'r',encoding = 'UTF-8')  
    next(f)  
    for line in f:  
        i += 1  
        #print(line)  
        sql = "insert into qq(qq) values(%s);"  
        cur.execute(sql,line)  
        print("插入第", i, "条数据！")  
        conn.commit()  
    f.close()  
cur.close()  
conn.close() 
　　运行效果：
　　重点代码解释：
　　这段代码用到了 pymysql 和 os 两个库。
　　· pymysql：用来操作 MySQL 数据库；
　　· os：用来遍历所在文件夹下的所有文件。
　　现将主要代码解释如下：
　　1、遍历任意文件夹下所有文件名称
　　程序写好后，使用 pyinstaller 打包成 exe 程序，并放在要操作的文件夹下面。
　　通过 path = os.getcwd()命令，获取该 exe 文件所在目录。
　　通过 files = os.listdir(path)命令，获取 exe 文件所在目录下的所有文件名称，并存入 files 列表中。
　　这样我们就获得了所有的 txt 文件名称，你可以任意命名你的 txt 文件名，程序都能读出来。
　　2、将数据写入数据库
　　（1）连接数据库，并在数据库中创建新表
　　A. 连接到我的 qq 数据库
　　conn = pymysql.connect(host='localhost', user='root', password='123456', db='qq', charset='utf8')
　　B. 创建新表 qq
　　在 qq 数据库中创建新表，表名称为 qq ，包含 2 个字段：id 字段为主键、自动递增；qq 字段为字符型，用于存储数据。
　　cur.execute("CREATE TABLE qq ( id int(5) NOT NULL auto_increment, qq varchar(20)NOT NULL, PRIMARY KEY (id))")
　　（2）将数据写入数据库
　　这里使用了两层循环：
for file in files:  
    f = open(file,'r',encoding = 'UTF-8')  
    next(f)  
    for line in f:  
        i += 1  
        #print(line)  
        sql = "insert into qq(qq) values(%s);"  
        cur.execute(sql,line)  
        print("插入第", i, "条数据！")  
        conn.commit()  
    f.close() 
　　第一层循环是用来依次打开上述 17 个 txt 文件。
　　第二层循环是依次读取每个 txt 文件的每一行，并将改行数据插入数据库表 qq 的 qq字段。
　　至此就完成了数据的导入，总共32073条数据。
　　数据清洗
　　这里以去除重复值为例，简单介绍一下数据清洗。
　　1、创建一个新表，用来存储清洗后的数据
　　可以在 cmd 窗口下登陆 MySQL，打开 qq 数据库，执行下列操作：
　　CREATE TABLE qq_dist ( id int(5) NOT NULL auto_increment, qq varchar(20)NOT NULL, PRIMARY KEY (id));
　　这样就创建了新表 qq_dist ,用来存储清洗后的数据，便于后期调用。
　　2、清洗数据
　　登陆 MySQL 后，执行下列操作：
　　insert into qq_dis(qq) select distinct qq from qq;
　　将从 qq 表中查找出的不重复的 qq 字段内容，插入到 qq_dist 表中的 qq 字段。
　　将数据按照特定格式导出
　　案例：将清洗后的数据的第101-200行导出到新的 txt 文本中。
　　代码如下：
import pymysql  
conn = pymysql.connect(host='localhost', user='root', password='123456', db='wxid', charset='utf8')  
print("写入中，请等待……")  
cur = conn.cursor()  
sql = "select wxid from wd_dis limit 100,100;"  
cur.execute(sql)  
conn.commit()  
alldata = cur.fetchall()  
f = open('data101-200.txt','a')  
i = 0  
for data in alldata:  
    i += 1  
    f.write(data[0])  
    f.flush()  
f.close  
cur.close()  
conn.close()  
print("写入完成,共写入{}条数据！".format(i)) 
　　重点代码解释：
　　1、 limit
　　MySQL 中 limit m,n 函数的含义是：从第 m+1 行开始读取 n 行。
　　所以，本案例中读取第101-200行，就是 limit 100,100
　　2、flush()
　　flush()函数一定要加上，它可以将缓冲区的数据写入文件中。否则就会出现生成的 txt 文档为空白的错误。

      本文内容不用于商业目的，如涉及知识产权问题，请权利人联系博为峰小编(021-64471599-8017)，我们将立即处理。
软件开发 Python
当前没有评论点击发表评论

相关阅读