pandas - 将 Pandas 数据框变成内存中的类似文件的对象？

Question

我每天将大约 2 到 250 万条记录加载到 Postgres 数据库中。

然后我用 pd.read_sql 读取这些数据以将其转换为数据框，然后我进行一些列操作和一些小的合并。我将这些修改后的数据保存为单独的表格供其他人使用。

当我做 pd.to_sql 它需要永远。如果我保存一个 csv 文件并在 Postgres 中使用 COPY FROM，整个过程只需要几分钟，但服务器位于另一台机器上，在那里传输文件很痛苦。

使用 psycopg2，看起来我可以使用 copy_expert 从批量复制中受益，但仍然使用 python。如果可能的话，我想避免编写实际的 csv 文件。我可以使用 pandas 数据框在内存中执行此操作吗？

这是我的 Pandas 代码示例。如果可能的话，我想添加 copy_expert 或其他东西以更快地保存这些数据。

    for date in required_date_range:
        df = pd.read_sql(sql=query, con=pg_engine, params={'x' : date})
        ...
        do stuff to the columns
        ...
        df.to_sql('table_name', pg_engine, index=False, if_exists='append',  dtype=final_table_dtypes)

有人可以帮我提供示例代码吗？我还是更喜欢使用 pandas，在内存中这样做会很好。如果没有，我将只编写一个 csv 临时文件并这样做。

编辑-这是我的最终代码。每个日期(数百万行)只需要几百秒，而不是几个小时。

to_sql = """使用 CSV header 从标准输入复制 %s"""

def process_file(conn, table_name, file_object):
    fake_conn = cms_dtypes.pg_engine.raw_connection()
    fake_cur = fake_conn.cursor()
    fake_cur.copy_expert(sql=to_sql % table_name, file=file_object)
    fake_conn.commit()
    fake_cur.close()


#after doing stuff to the dataframe
    s_buf = io.StringIO()
    df.to_csv(s_buf) 
    process_file(cms_dtypes.pg_engine, 'fact_cms_employee', s_buf)

Answer 1

Python 模块 io ( docs ) 具有用于类文件对象的必要工具。

import io

# text buffer
s_buf = io.StringIO()

# saving a data frame to a buffer (same as with a regular file):
df.to_csv(s_buf)

编辑。
(我忘了)为了之后从缓冲区中读取，它的位置应该设置为开头:

s_buf.seek(0)

我不熟悉 psycopg2但根据 docs两个 copy_expert和 copy_from可以使用，例如:

cur.copy_from(s_buf, table)

(对于 Python 2，请参阅 StringIO。)