官方文档
pandas.Series.to_sql
pandas.DataFrame.to_sql

1.pandas.Series.to_sql

Python Pandas pandas.DataFrame.to_sql函数方法的使用

Series.to_sql(name, con, schema=None, if_exists='fail', index=True, index_label=None, chunksize=None, dtype=None, method=None)

• name:数据库表名
• con:连接sql数据库的engine，常用sqlalchemy.create_engine()
• schema:指定架构（如果数据库支持）。如果为None，请使用默认架构。
• if_exists='fail'：{'fail'，'replace'，'append'}，默认'fail'。如果表已存在的情况如下，
  fail：引发ValueError。replace：在插入新值之前删除表。append：将新值插入现有表。
• index:布尔值，默认为True。将DataFrame索引写为列。使用index_label作为表中的列名。
• index_label:索引列的列标签。如果给出None（默认）且 index为True，则使用索引名称。
• chunksize：行将一次批量写入的数量。默认情况下，所有行都将立即写入。
• dtype:指定列的数据类型。键应该是列名，值应该是SQLAlchemy类型，或sqlite3传统模式的字符串。虽然pandas被强制将数据存储为浮点数，但数据库支持可空整数。使用Python获取数据时，我们会返回整数标量。

2.pandas.DataFrame.to_sql

• name:数据库表名
• con:连接sql数据库的engine，常用sqlalchemy.create_engine()
• schema:指定架构（如果数据库支持）。如果为None，请使用默认架构。
• if_exists='fail'：{'fail'，'replace'，'append'}，默认'fail'。如果表已存在的情况如下，
  fail：引发ValueError。replace：在插入新值之前删除表。append：将新值插入现有表。
• index:布尔值，默认为True。将DataFrame索引写为列。使用index_label作为表中的列名。
• index_label:索引列的列标签。如果给出None（默认）且 index为True，则使用索引名称。
• chunksize：行将一次批量写入的数量。默认情况下，所有行都将立即写入。
• dtype:指定列的数据类型。键应该是列名，值应该是SQLAlchemy类型，或sqlite3传统模式的字符串。虽然pandas被强制将数据存储为浮点数，但数据库支持可空整数。使用Python获取数据时，我们会返回整数标量。
• method:{None, ‘multi’, callable} None:使用标准的SQL INSERT子句（每行一个）。‘multi’:在单个INSERT子句中传递多个值。callable:带签名的可调用（pd_table、conn、keys、data-iter）。

DataFrame.to_sql(name, con, schema=None, if_exists='fail', index=True, index_label=None, chunksize=None, dtype=None, method=None)

#将数据存入数据库
engine = create_engine('mysql://XXXXX:XXXXXXX@XXX.XX.XXX.XXX:3306/XXX?charset=gbk')
overall_sales_performance.to_sql('pt_overall_sale_performance_1',con=engine,if_exists='replace',index=False)