如何使用Pandas DataFrame更新SQL数据库表列

import pandas as pd
import pyodbc as odbc

# 数据库连接字符串，请根据实际情况修改
# 示例：'DRIVER={ODBC Driver 17 for SQL Server};SERVER=your_server;DATABASE=your_db;UID=your_user;PWD=your_password'
connection_string = "<your_connection_stuff>" 
sql_conn = odbc.connect(connection_string)

# 1. 从数据库读取数据到DataFrame
query = "SELECT * FROM myTable"
df = pd.read_sql(query, sql_conn)

# 2. 在DataFrame中更新数据
# 假设有一个新的值列表，用于更新DataFrame中的'myColumn'
myNewValueList = [11, 12, 13, 14, 15, 16, 17, 18, 19, 20] # 示例值，实际应与DataFrame行数匹配
df['myColumn'] = myNewValueList

# 3. 准备SQL UPDATE语句
# 使用问号 (?) 作为参数占位符，适用于 pyodbc
# <PrimaryKeyColumn> 必须是数据库表中的主键或唯一标识符
sql_update_statement = "UPDATE myTable SET myColumn = ? WHERE <PrimaryKeyColumn> = ?"

# 4. 逐行遍历DataFrame并执行更新
cursor = sql_conn.cursor()
for index, row in df.iterrows():
    try:
        # 第一个参数是新值，第二个参数是主键值
        cursor.execute(sql_update_statement, (row['myColumn'], row['<PrimaryKeyColumn>']))
    except Exception as e:
        print(f"更新行失败 (主键: {row['<PrimaryKeyColumn>']}): {e}")
        # 根据需要处理错误，例如记录日志或回滚

# 5. 提交更改并关闭连接
sql_conn.commit()
cursor.close()
sql_conn.close()

print("数据库逐行更新完成。")

import pandas as pd
import pyodbc as odbc
from sqlalchemy import create_engine
import urllib # 用于处理连接字符串中的特殊字符

# 数据库连接字符串，请根据实际情况修改
# 注意：SQLAlchemy的连接字符串格式与pyodbc略有不同
# 对于SQL Server，通常是 'mssql+pyodbc://user:password@server/database?driver=ODBC+Driver+17+for+SQL+Server'
# 如果密码或服务器名包含特殊字符，需要进行URL编码
params = urllib.parse.quote_plus("<your_connection_stuff>") # 例如：'DRIVER={ODBC Driver 17 for SQL Server};SERVER=your_server;DATABASE=your_db;UID=your_user;PWD=your_password'
sqlalchemy_connection_string = f"mssql+pyodbc:///?odbc_connect={params}"

# 创建SQLAlchemy引擎，用于pandas.to_sql
engine = create_engine(sqlalchemy_connection_string)

# 1. 从数据库读取数据到DataFrame (可以使用pyodbc或SQLAlchemy引擎)
# 这里继续使用pyodbc连接进行读取，与前面的例子保持一致
pyodbc_connection_string = "<your_connection_stuff>" # pyodbc的连接字符串
sql_conn_pyodbc = odbc.connect(pyodbc_connection_string)
query = "SELECT * FROM myTable"
df = pd.read_sql(query, sql_conn_pyodbc)
sql_conn_pyodbc.close() # 读取完后可以关闭pyodbc连接

# 2. 在DataFrame中更新数据
myNewValueList = [11, 12, 13, 14, 15, 16, 17, 18, 19, 20] # 示例值
df['myColumn'] = myNewValueList # 假设要更新的列是'myColumn'

# 3. 将修改后的DataFrame写入一个临时表
temp_table_name = 'temp_myTable_update' # 临时表名称
try:
    df.to_sql(temp_table_name, engine, if_exists='replace', index=False)
    print(f"DataFrame已成功写入临时表：{temp_table_name}")

    # 4. 执行SQL UPDATE...JOIN语句更新主表
    # 假设 'id' 是主表和临时表的唯一标识符（主键）
    update_query = f"""
    UPDATE myTable
    SET myColumn = temp.myColumn -- 假设临时表中对应的新值列名也是'myColumn'
    FROM myTable
    INNER JOIN {temp_table_name} AS temp
    ON myTable.<PrimaryKeyColumn> = temp.<PrimaryKeyColumn>; -- 使用主键进行联接
    """

    with engine.connect() as conn:
        conn.execute(update_query)
        conn.execute("COMMIT;") # 某些数据库或驱动可能需要显式COMMIT
        print("主表批量更新完成。")

        # 5. 删除临时表
        drop_temp_table_query = f"DROP TABLE {temp_table_name};"
        conn.execute(drop_temp_table_query)
        conn.execute("COMMIT;")
        print(f"临时表 {temp_table_name} 已删除。")

except Exception as e:
    print(f"批量更新过程中发生错误: {e}")
    # 可以在这里添加回滚逻辑，如果需要
finally:
    # 确保引擎连接资源被正确关闭
    if engine:
        engine.dispose()

print("数据库批量更新操作完成。")