【1】Python读取CSV到MySQL
import pandas as pd
from sqlalchemy import create_engine
# 数据库连接参数（请根据你的实际配置修改）
DB_USER = 'root' # 如 root
DB_PASSWORD = '123456' # 如 123456
DB_HOST = 'localhost' # 或 127.0.0.1
DB_PORT = 3306
DB_NAME = 'travel_pmm'
# 构建数据库连接 URL
engine_url = f"mysql+pymysql://{DB_USER}:{DB_PASSWORD}@{DB_HOST}:{DB_PORT}/{DB_NAME}?charset=utf8mb4"
# 创建 SQLAlchemy 引擎
engine = create_engine(engine_url, echo=False)
# 读取 CSV 文件（假设文件在当前目录下）
df = pd.read_csv('trip_fujian_scenic_detail_20260214_155519.csv', encoding='utf-8')
# 可选：查看前几行确保数据正确
print(df.head())
print(df.dtypes)
# 将数据写入 MySQL 表（表名设为 travel_records）
# if_exists: 'fail'（默认）, 'replace'（删旧建新）, 'append'（追加）
df.to_sql(
name='trip_fujian_scenic_detail',
con=engine,
if_exists='replace', # 第一次用 replace，后续可用 append
index=False, # 不写入 pandas 的索引
chunksize=1000 # 分批插入，提高性能
)
【2】Python读取xls到MySQL
import pandas as pd
from sqlalchemy import create_engine
# === 1. 配置 MySQL 连接信息 ===
DB_USER = 'root' # 如 root
DB_PASSWORD = '123456' # 如 123456
DB_HOST = 'localhost'
DB_PORT = 3306
DB_NAME = 'travel_pmm' # 你的数据库名
# 构建连接 URL（注意：charset=utf8mb4 支持 emoji 和中文）
engine_url = f"mysql+pymysql://{DB_USER}:{DB_PASSWORD}@{DB_HOST}:{DB_PORT}/{DB_NAME}?charset=utf8mb4"
# 创建数据库引擎
engine = create_engine(engine_url, echo=False) # echo=True 可打印 SQL 日志
# === 2. 读取 Excel 文件 ===
# 假设文件名为 data.xlsx，位于当前目录
file_path = '1994-2024年度旅游数据3.xls'
# 读取第一个 sheet（默认）
df = pd.read_excel(file_path, engine='xlrd')
# df = pd.read_excel(file_path, engine='openpyxl')
# 如果要读取特定 sheet，用：
# df = pd.read_excel(file_path, sheet_name='Sheet1', engine='openpyxl')
# 可选：查看数据
print("✅ 数据前5行：")
print(df.head())
print("\n✅ 数据类型：")
print(df.dtypes)
# === 3. 数据清洗（可选但推荐）===
# 示例：去除列名前后空格
df.columns = df.columns.str.strip()
# 示例：处理 NaN 值（MySQL 不喜欢 NaN）
df = df.where(pd.notnull(df), None) # 将 NaN 转为 None（对应 SQL 的 NULL）
# === 4. 写入 MySQL ===
table_name = 'travel_money_data' # 目标表名
df.to_sql(
name=table_name,
con=engine,
if_exists='append', # 'fail'（默认）, 'replace'（删表重建）, 'append'（追加）
index=False, # 不写入 pandas 的行索引
chunksize=1000, # 分批插入，提升性能
method='multi' # 使用多值插入，加速
)
print(f"\n✅ 成功将 {len(df)} 行数据写入 MySQL 表 `{DB_NAME}.{table_name}`！")
【3】Python读取xlsx到MySQL
import pandas as pd
from sqlalchemy import create_engine
# === 1. 配置 MySQL 连接信息 ===
DB_USER = 'root' # 如 root
DB_PASSWORD = '123456' # 如 123456
DB_HOST = 'localhost'
DB_PORT = 3306
DB_NAME = 'travel_pmm' # 你的数据库名
# 构建连接 URL（注意：charset=utf8mb4 支持 emoji 和中文）
engine_url = f"mysql+pymysql://{DB_USER}:{DB_PASSWORD}@{DB_HOST}:{DB_PORT}/{DB_NAME}?charset=utf8mb4"
# 创建数据库引擎
engine = create_engine(engine_url, echo=False) # echo=True 可打印 SQL 日志
# === 2. 读取 Excel 文件 ===
# 假设文件名为 data.xlsx，位于当前目录
file_path = '1994-2024年度旅游数据3.xls'
# 读取第一个 sheet（默认）
df = pd.read_excel(file_path, engine='openpyxl')
# 如果要读取特定 sheet，用：
# df = pd.read_excel(file_path, sheet_name='Sheet1', engine='openpyxl')
# 可选：查看数据
print("✅ 数据前5行：")
print(df.head())
print("\n✅ 数据类型：")
print(df.dtypes)
# === 3. 数据清洗（可选但推荐）===
# 示例：去除列名前后空格
df.columns = df.columns.str.strip()
# 示例：处理 NaN 值（MySQL 不喜欢 NaN）
df = df.where(pd.notnull(df), None) # 将 NaN 转为 None（对应 SQL 的 NULL）
# === 4. 写入 MySQL ===
table_name = 'travel_money_data' # 目标表名
df.to_sql(
name=table_name,
con=engine,
if_exists='append', # 'fail'（默认）, 'replace'（删表重建）, 'append'（追加）
index=False, # 不写入 pandas 的行索引
chunksize=1000, # 分批插入，提升性能
method='multi' # 使用多值插入，加速
)
print(f"\n✅ 成功将 {len(df)} 行数据写入 MySQL 表 `{DB_NAME}.{table_name}`！")