使用 Python 处理3万多条数据只要几秒钟_Python

应用场景：工作中经常遇到大量的数据需要整合、去重、按照特定格式导出等情况。如果用 Excel 操作，不仅费时费力，还不准确，有么有更高效的解决方案呢？

本文以17个 txt 文本，3万多条数据为例，使用 Python 连接 MySQL 数据库，实现快速操作。

别人加班干的活，我的 Python 小助手几秒钟就搞定了！

本文主要包括以下三方面内容：

数据写入
数据去重
数据导出

将数据写入 MySQL 数据库

下图所示文件是本文的数据源：

使用 Python 处理3万多条数据只要几秒钟

我们的设想是：编写一个小程序，扔在这个文件夹里，双击后就可以自动读取每个 txt 文档中的数据，并写入数据库。

代码如下：

				?

									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, "条数据！")

									 conn.commit()

									 f.close()

									cur.close()

									conn.close()

运行效果：

使用 Python 处理3万多条数据只要几秒钟

重点代码解释：

这段代码用到了 pymysql 和 os 两个库。

pymysql：用来操作 MySQL 数据库；
os：用来遍历所在文件夹下的所有文件。

现将主要代码解释如下：

1、遍历任意文件夹下所有文件名称
程序写好后，使用 pyinstaller 打包成 exe 程序，并放在要操作的文件夹下面。

通过 path = os.getcwd() 命令，获取该 exe 文件所在目录。

通过 files = os.listdir(path) 命令，获取 exe 文件所在目录下的所有文件名称，并存入 files 列表中。

这样我们就获得了所有的 txt 文件名称，你可以任意命名你的 txt 文件名，程序都能读出来。

2、将数据写入数据库

（1）连接数据库，并在数据库中创建新表

A. 连接到我的 qq 数据库

				?

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

B. 创建新表 qq

在 qq 数据库中创建新表，表名称为 qq ，包含 2 个字段：id 字段为主键、自动递增；qq 字段为字符型，用于存储数据。

				?

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

（2）将数据写入数据库

这里使用了两层循环：

				?

									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, "条数据！")

									 conn.commit()

									 f.close()

第一层循环是用来依次打开上述 17 个 txt 文件。

第二层循环是依次读取每个 txt 文件的每一行，并将改行数据插入数据库表 qq 的 qq字段。

至此就完成了数据的导入，总共32073条数据。

使用 Python 处理3万多条数据只要几秒钟

数据清洗

这里以去除重复值为例，简单介绍一下数据清洗。

1、创建一个新表，用来存储清洗后的数据

可以在 cmd 窗口下登陆 MySQL，打开 qq 数据库，执行下列操作：

				?

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

这样就创建了新表 qq_dist ,用来存储清洗后的数据，便于后期调用。

2、清洗数据

登陆 MySQL 后，执行下列操作：

				?

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

将从 qq 表中查找出的不重复的 qq 字段内容，插入到 qq_dist 表中的 qq 字段。

将数据按照特定格式导出

案例：将清洗后的数据的第101-200行导出到新的 txt 文本中。

代码如下：

				?

									import pymysql

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

									print("写入中，请等待……")

									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("写入完成,共写入{}条数据！".format(i))