DataFrame.to_sql (name，con，schema = None，if_exists ='fail'，index = True，index_label = None，chunksize = None，dtype = None ) [source]
将存储在DataFrame中的记录写入SQL数据库。
支持SQLAlchemy [R16]支持的数据库。可以新创建，附加或覆盖表。
参数： | name：string SQL表的名称。 con：sqlalchemy.engine.Engine或sqlite3.Connection 使用SQLAlchemy可以使用该库支持的任何数据库。 为sqlite3.Connection对象提供了旧版支持。 schema：string，optional 指定架构（如果数据库支持）。如果为None，请使用默认架构。 if_exists：{'fail'，'replace'，'append'}，默认'fail' 如果表已存在的情况如下，
index：布尔值，默认为True 将DataFrame索引写为列。使用index_label作为表中的列名。 index_label：字符串或序列，默认为None 索引列的列标签。如果给出None（默认）且 index为True， 则使用索引名称。 如果DataFrame使用MultiIndex，则应该给出一个sequence。 chunksize：int，可选 行将一次批量写入的数量。默认情况下，所有行都将立即写入。 dtype：dict，可选 指定列的数据类型。键应该是列名，值应该是SQLAlchemy类型， 或sqlite3传统模式的字符串。 |
异常： | ValueError异常 当表已经存在且if_exists为'fail'时（默认值）。 |
例如，
1）创建内存中的SQLite数据库
>>> from sqlalchemy import create_engine
>>> engine = create_engine('sqlite://', echo=False)
2）从头开始创建一个包含3行的表
>>> df = pd.DataFrame({'name' : ['User 1', 'User 2', 'User 3']})
>>> df
name
0 User 1
1 User 2
2 User 3
>>> df.to_sql('users', con=engine)
>>> engine.execute("SELECT * FROM users").fetchall()
[(0, 'User 1'), (1, 'User 2'), (2, 'User 3')]
>>> df1 = pd.DataFrame({'name' : ['User 4', 'User 5']})
>>> df1.to_sql('users', con=engine, if_exists='append')
>>> engine.execute("SELECT * FROM users").fetchall()
[(0, 'User 1'), (1, 'User 2'), (2, 'User 3'),
(0, 'User 4'), (1, 'User 5')]3）用df1覆盖表
>>> df1.to_sql('users', con=engine, if_exists='replace',
... index_label='id')
>>> engine.execute("SELECT * FROM users").fetchall()
[(0, 'User 4'), (1, 'User 5')]4）指定dtype（对于具有缺失值的整数很有用）。请注意，虽然pandas被强制将数据存储为浮点数，但数据库支持可空整数。使用Python获取数据时，我们会返回整数标量。
>>> df = pd.DataFrame({"A": [1, None, 2]})
>>> df
A
0 1.0
1 NaN
2 2.0
>>> from sqlalchemy.types import Integer
>>> df.to_sql('integers', con=engine, index=False,
... dtype={"A": Integer()})
>>> engine.execute("SELECT * FROM integers").fetchall()
[(1,), (None,), (2,)]