Медленная загрузка таблицы SQL Server в панде DataFrame - PullRequest
Новая
       9

Медленная загрузка таблицы SQL Server в панде DataFrame

0 голосов
/ 20 ноября 2018

Pandas становится смехотворно медленным при загрузке более 10 миллионов записей из БД SQL Server с использованием pyodbc и в основном функции pandas.read_sql (query, pyodbc_conn). Следующий код занимает до 40-45 минут для загрузки 10-15 миллионов записей из таблицы SQL: Table1

Есть ли лучший и более быстрый способ чтения таблицы SQL в панде Dataframe? 

import pyodbc
import pandas

server = <server_ip> 
database = <db_name> 
username = <db_user> 
password = <password> 
port='1443'
conn = pyodbc.connect('DRIVER={SQL Server};SERVER='+server+';PORT='+port+';DATABASE='+database+';UID='+username+';PWD='+ password)
cursor = conn.cursor()

data = pandas.read_sql("select * from Table1", conn) #Takes about 40-45 minutes to complete

1 Ответ

0 голосов
/ 26 февраля 2019

У меня была такая же проблема с еще большим количеством строк, ~ 50 М Закончилось написание SQL-запроса и сохранение их в виде файлов .h5.

sql_reader = pd.read_sql("select * from table_a", con, chunksize=10**5)

hdf_fn = '/path/to/result.h5'
hdf_key = 'my_huge_df'
store = pd.HDFStore(hdf_fn)
cols_to_index = [<LIST OF COLUMNS THAT WE WANT TO INDEX in HDF5 FILE>]

for chunk in sql_reader:
    store.append(hdf_key, chunk, data_columns=cols_to_index, index=False)

# index data columns in HDFStore
store.create_table_index(hdf_key, columns=cols_to_index, optlevel=9, kind='full')
store.close()

Таким образом, мы сможем читать их быстрее, чем Pandas.read_csv

...