我用Python处理3万多条数据，只要几秒钟……-python怎么处理数据

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：

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：

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。

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))

重点代码解释：

1、 limit

MySQL 中 limit m,n 函数的含义是：从第 m+1 行开始读取 n 行。

所以，本案例中读取第101-200行，就是 limit 100,100

2、flush()

flush()函数一定要加上，它可以将缓冲区的数据写入文件中。否则就会出现生成的 txt 文档为空白的错误。