python - 仅将唯一记录导入 PostgreSQL

Question

我正在尝试使用 Python 将 CSV 文件导入 PostgreSQL。我想告诉 Python 只导入 CSV 文件中不包含重复项的记录/数据行(仅第一个唯一的构建器记录)。我附上了我用来在 CSV 文件中查找重复项的代码。我是编程新手，所以请原谅我的经验不足。

import csv
import psycopg2

database = psycopg2.connect (database = "***", user="***")

cursor = database.cursor()
delete = """Drop table if exists "Real".Noduplicates"""
print (delete)

mydata = cursor.execute(delete)

cursor.execute("""Create Table "Real".Noduplicates
            (UserName varchar(55),
            LastUpdate timestamp,
            Week date,
            Builder varchar(55),
            Traffic integer
            );""")

print "Table created successfully"

csv_data = csv.reader(file('SampleData2.csv'))

already_seen = set()

next(csv_data)

for row in csv_data:
    builder = row[3]
    if builder in already_seen:
        print('{} is a duplicate builder'.format(builder))
    else:
        print('{} is a new builder'.format(builder))
        already_seen.add(builder)

for row in csv_data:

    cursor.execute("""INSERT INTO "Real".Noduplicates (UserName, LastUpdate, Week, Builder, Traffic)"""\
                    """VALUES (%s,%s,%s,%s,%s)""",
           row)

cursor.close()
database.commit()
database.close()

print "CSV Imported"

Answer 1

相反，使用COPY 将所有行 导入临时表(更快)，然后INSERT 一个不同的集合到目标表中在那里，使用 SELECT DISTINCT ... 或 SELECT DISTINCT ON (builder) 或使用聚合函数)。查找重复项是任何 RDBMS 的强项。

相关代码示例:

• How to update selected rows with values from a CSV file in Postgres?
• Check if records exists in a Postgres table

或者，在逐一插入行时，Postgres 9.5 中的新 UPSERT 和所有 5 列上的 UNIQUE 索引就是您的全部需要:

• INSERT into a table from SELECT only if value doesn't exist

但请注意 NULL 值的特殊作用(在 SQL 中从不认为它们相等):

• Allow null in unique column

如果列 builder 是识别欺骗所需的全部内容，只需定义该列 UNIQUE:

...
builder varchar(55) UNIQUE NOT NULL,
...

并使用一个简单的 UPSERT:

INSERT INTO "Real".noduplicates (userName, lastUpdate, week, builder, Traffic)
VALUES (%s,%s,%s,%s,%s)
ON CONFLICT ON (builder) DO NOTHING;

顺便说一句，最好不要在 Postgres 中使用 CaMelCase 名称:

• Are PostgreSQL column names case-sensitive?