表自动从CSV文件创建MySQL数据表（csv自动建mysql）

表自动从CSV文件创建MySQL数据表

在实际的数据处理过程中，我们通常需要将CSV文件中的数据导入到MySQL中，然后进行一些数据库操作。然而，在导入之前，我们需要手动创建MySQL表并指定每个字段的数据类型和属性，这显然是一项枯燥乏味的任务。如果我们需要处理多个CSV文件，这项工作将会变得更加繁琐。因此，我们可以使用Python脚本和pandas库创建一个自动导入和创建表的工具。

我们需要创建一个包含CSV文件数据的pandas数据帧。该数据帧将用作我们的基础参考。在这个例子中，我们将使用以下代码创建一个数据帧。

import pandas as pd 
df = pd.read_csv('data.csv')

接下来，我们可以使用以下代码查看数据帧的列名和数据类型。

print(df.dtypes)

这将输出每一列对应的数据类型，方便我们在接下来的步骤中指定MySQL表中的字段类型。

我们将使用MySQL连接器python库连接到MySQL数据库。如果您还没有安装这个库，您可以使用以下代码安装它。

!pip install mysql-connector-python

接下来，我们可以使用以下代码创建一个MySQL连接，并创建一个新的数据库。请注意，此代码的用户名和密码需要更换为您自己的MySQL用户名和密码。

import mysql.connector
mydb = mysql.connector.connect(
    host="localhost",
    user="yourusername",
    password="yourpassword"
)

mycursor = mydb.cursor()

mycursor.execute("CREATE DATABASE mydatabase")

接下来，我们将使用以下代码指定我们想要导入到MySQL中的表的名称和列名称，并为每个列指定数据类型。我们将使用先前创建的数据帧中的列类型作为MySQL表中列的数据类型。

table_name = 'mytable'
columns = df.columns.tolist()
types = df.dtypes
# Mapping pandas data types to MySQL data types
data_type_mapping = {
    'int64': 'int',
    'float64': 'float',
    'datetime64': 'datetime',
    'bool': 'tinyint(1)',
    'object': 'varchar(255)'
}
mysql_types = [data_type_mapping[str(types[x])] for x in range(len(types))]

接下来，我们将使用以下代码创建MySQL表，并将数据导入MySQL。

# Creating table
query = "CREATE TABLE %s (%s)" % (table_name, ','.join(['%s %s' % (columns[x], mysql_types[x]) for x in range(len(columns))]))
mycursor.execute(query)
# Closing Cursor
mycursor.close()
# Inserting values
df.to_sql(name=table_name, con=mydb, if_exists='replace', index=False, chunksize=1000000)

现在，我们已经成功地使用Python和pandas自动创建了MySQL表，并将数据导入到数据库中。这种自动化的方法将大大提高我们的效率，特别是在处理大量的CSV文件时。