使用 Python 處理3萬(wàn)多條數(shù)據(jù)只要幾秒鐘

應(yīng)用場(chǎng)景：工作中經(jīng)常遇到大量的數(shù)據(jù)需要整合、去重、按照特定格式導(dǎo)出等情況。如果用 Excel 操作，不僅費(fèi)時(shí)費(fèi)力，還不準(zhǔn)確，有么有更高效的解決方案呢？

本文以17個(gè) txt 文本，3萬(wàn)多條數(shù)據(jù)為例，使用 Python 連接 MySQL 數(shù)據(jù)庫(kù)，實(shí)現(xiàn)快速操作。

別人加班干的活，我的 Python 小助手幾秒鐘就搞定了！

本文主要包括以下三方面內(nèi)容：

• 數(shù)據(jù)寫入
• 數(shù)據(jù)去重
• 數(shù)據(jù)導(dǎo)出

將數(shù)據(jù)寫入 MySQL 數(shù)據(jù)庫(kù)

下圖所示文件是本文的數(shù)據(jù)源：

我們的設(shè)想是：編寫一個(gè)小程序，扔在這個(gè)文件夾里，雙擊后就可以自動(dòng)讀取每個(gè) txt 文檔中的數(shù)據(jù)，并寫入數(shù)據(jù)庫(kù)。

代碼如下：

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, "條數(shù)據(jù)！")
 conn.commit()
 f.close()
cur.close()
conn.close()

運(yùn)行效果：

重點(diǎn)代碼解釋：

這段代碼用到了 pymysql 和 os 兩個(gè)庫(kù)。

• pymysql：用來(lái)操作 MySQL 數(shù)據(jù)庫(kù)；
• os：用來(lái)遍歷所在文件夾下的所有文件。

現(xiàn)將主要代碼解釋如下：

1、遍歷任意文件夾下所有文件名稱
程序?qū)懞煤螅褂?pyinstaller 打包成 exe 程序，并放在要操作的文件夾下面。

通過(guò) path = os.getcwd() 命令，獲取該 exe 文件所在目錄。

通過(guò) files = os.listdir(path) 命令，獲取 exe 文件所在目錄下的所有文件名稱，并存入 files 列表中。

這樣我們就獲得了所有的 txt 文件名稱，你可以任意命名你的 txt 文件名，程序都能讀出來(lái)。

2、將數(shù)據(jù)寫入數(shù)據(jù)庫(kù)

（1）連接數(shù)據(jù)庫(kù)，并在數(shù)據(jù)庫(kù)中創(chuàng)建新表

A. 連接到我的 qq 數(shù)據(jù)庫(kù)

conn = pymysql.connect(host='localhost', user='root', password='123456', db='qq', charset='utf8')

B. 創(chuàng)建新表 qq

在 qq 數(shù)據(jù)庫(kù)中創(chuàng)建新表，表名稱為 qq ，包含 2 個(gè)字段：id 字段為主鍵、自動(dòng)遞增；qq 字段為字符型，用于存儲(chǔ)數(shù)據(jù)。

cur.execute("CREATE TABLE qq ( id int(5) NOT NULL auto_increment, qq varchar(20)NOT NULL, PRIMARY KEY (id))")

（2）將數(shù)據(jù)寫入數(shù)據(jù)庫(kù)

這里使用了兩層循環(huán)：

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, "條數(shù)據(jù)！")
 conn.commit()
 f.close()

第一層循環(huán)是用來(lái)依次打開(kāi)上述 17 個(gè) txt 文件。

第二層循環(huán)是依次讀取每個(gè) txt 文件的每一行，并將改行數(shù)據(jù)插入數(shù)據(jù)庫(kù)表 qq 的 qq字段。

至此就完成了數(shù)據(jù)的導(dǎo)入，總共32073條數(shù)據(jù)。

數(shù)據(jù)清洗

這里以去除重復(fù)值為例，簡(jiǎn)單介紹一下數(shù)據(jù)清洗。

1、創(chuàng)建一個(gè)新表，用來(lái)存儲(chǔ)清洗后的數(shù)據(jù)

可以在 cmd 窗口下登陸 MySQL，打開(kāi) qq 數(shù)據(jù)庫(kù)，執(zhí)行下列操作：

CREATE TABLE qq_dist ( id int(5) NOT NULL auto_increment, qq varchar(20)NOT NULL, PRIMARY KEY (id));

這樣就創(chuàng)建了新表 qq_dist ,用來(lái)存儲(chǔ)清洗后的數(shù)據(jù)，便于后期調(diào)用。

2、清洗數(shù)據(jù)

登陸 MySQL 后，執(zhí)行下列操作：

insert into qq_dis(qq) select distinct qq from qq;

將從 qq 表中查找出的不重復(fù)的 qq 字段內(nèi)容，插入到 qq_dist 表中的 qq 字段。

將數(shù)據(jù)按照特定格式導(dǎo)出

案例：將清洗后的數(shù)據(jù)的第101-200行導(dǎo)出到新的 txt 文本中。

代碼如下：

import pymysql
conn = pymysql.connect(host='localhost', user='root', password='123456', db='wxid', charset='utf8')
print("寫入中，請(qǐng)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("寫入完成,共寫入{}條數(shù)據(jù)！".format(i))

重點(diǎn)代碼解釋：

1、 limit

MySQL 中 limit m,n 函數(shù)的含義是：從第 m+1 行開(kāi)始讀取 n 行。

所以，本案例中讀取第101-200行，就是 limit 100,100

2、flush()

flush() 函數(shù)一定要加上，它可以將緩沖區(qū)的數(shù)據(jù)寫入文件中。否則就會(huì)出現(xiàn)生成的 txt 文檔為空白的錯(cuò)誤。

總結(jié)

以上所述是小編給大家介紹的使用 Python 處理3萬(wàn)多條數(shù)據(jù)只要幾秒鐘，希望對(duì)大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)億速云網(wǎng)站的支持！
如果你覺(jué)得本文對(duì)你有幫助，歡迎轉(zhuǎn)載，煩請(qǐng)注明出處，謝謝！