如何将Polars DataFrame写入外部数据库（SQLite）？

Polars目前没有像Pandas那样直接的to_sql()方法，但有几种可靠的方式可以实现写入SQLite的需求，下面是具体方案：

方法1：使用Polars内置的write_database（推荐，Polars 0.19.0+） #

Polars从0.19.0版本开始新增了write_database方法，直接支持将DataFrame写入SQL数据库，包括SQLite。需要先安装sqlalchemy作为依赖：

pip install polars sqlalchemy

示例代码：

import polars as pl
from sqlalchemy import create_engine

# 示例Polars DataFrame
df = pl.DataFrame({
    "id": [1, 2, 3],
    "name": ["Alice", "Bob", "Charlie"],
    "age": [25, 30, 35]
})

# 建立SQLite连接
engine = create_engine("sqlite:///mydatabase.db")

# 写入数据库表
df.write_database(
    table_name="users",
    connection=engine,
    if_exists="replace"  # 可选值：replace（覆盖）、append（追加）、fail（存在则报错）
)

这个方法无需转换为Pandas DataFrame，内存效率更高，适合处理大规模数据。

方法2：转换为Pandas DataFrame后使用to_sql #

如果你习惯Pandas的操作方式，或者使用的是旧版本Polars，可以先把Polars DataFrame转成Pandas的，再调用熟悉的to_sql：

import polars as pl
import pandas as pd
from sqlalchemy import create_engine

df = pl.DataFrame({
    "id": [1, 2, 3],
    "name": ["Alice", "Bob", "Charlie"],
    "age": [25, 30, 35]
})

engine = create_engine("sqlite:///mydatabase.db")

# 转换后写入，注意设置index=False避免把Polars的索引作为列写入
df.to_pandas().to_sql(
    name="users",
    con=engine,
    if_exists="append",
    index=False
)

⚠️ 注意：如果数据量很大，转换过程可能会占用较多内存，此时优先考虑方法1。

方法3：直接使用sqlite3模块手动写入 #

如果不想依赖SQLAlchemy，可以直接用Python内置的sqlite3模块，手动处理表创建和数据插入：

import polars as pl
import sqlite3

df = pl.DataFrame({
    "id": [1, 2, 3],
    "name": ["Alice", "Bob", "Charlie"],
    "age": [25, 30, 35]
})

# 连接SQLite数据库
conn = sqlite3.connect("mydatabase.db")
cursor = conn.cursor()

# 先创建表（如果不存在）
cursor.execute("""
CREATE TABLE IF NOT EXISTS users (
    id INTEGER PRIMARY KEY,
    name TEXT,
    age INTEGER
)
""")

# 将Polars数据转为元组列表，批量插入
data_rows = df.rows()
cursor.executemany("INSERT INTO users VALUES (?, ?, ?)", data_rows)

# 提交更改并关闭连接
conn.commit()
conn.close()

这种方式需要自己定义表结构，适合对SQL语法熟悉的用户，批量插入的效率也比较可观。

内容的提问来源于stack exchange，提问作者Shahar Luftig