如何将含行标识的Pandas DataFrame正确写入数据库？

1. 恢复行标识为可查询列 #

核心是将自定义行索引转为数据库能识别的显式列（比如命名为row），分两种场景处理：

场景1：仍能访问原始df1 #

直接把行索引转为普通列：

# 将df1的索引转为名为'row'的列，同时移除原索引
df_processed = df1.reset_index(names='row')

处理后df_processed会新增row列，值为server、cpu、mixer，原有列parent_child1至parent_child5保留。

场景2：仅能访问丢失索引的df2 #

如果df2的行顺序和原df1完全一致（第0行对应server，第1行对应cpu，第2行对应mixer），手动添加行标识列：

# 按顺序定义原始行标识
row_labels = ['server', 'cpu', 'mixer']
# 新增row列并调整列顺序（可选，让row列排在最前）
df_processed = df2.assign(row=row_labels)
df_processed = df_processed[['row'] + [col for col in df2.columns if col != 'row']]

2. 写入数据库 #

使用pandas.to_sql方法写入，注意关闭默认索引写入：

from sqlalchemy import create_engine

# 以MySQL为例，替换为你的数据库连接信息
engine = create_engine('mysql+pymysql://用户名:密码@主机地址:端口/数据库名')

# 写入表tble_db，if_exists可根据需求选replace/append/fail
df_processed.to_sql(name='tble_db', con=engine, if_exists='replace', index=False)

设置index=False是因为我们已经把自定义索引转成了row列，无需再写入默认的数字索引。

3. 执行查询验证 #

现在可以直接运行目标SQL语句：

SELECT parent_child1 FROM tble_db WHERE row='server';

预防索引丢失的小技巧 #

如果是从嵌套字典生成DataFrame时容易丢失索引，直接用from_dict并指定orient='index'：

import pandas as pd

# 假设nested_dict是你的原始嵌套字典
nested_dict = {
    'server': {'parent_child1': 10, 'parent_child2': 20},
    'cpu': {'parent_child1': 30, 'parent_child2': 40},
    'mixer': {'parent_child1': 50, 'parent_child2': 60}
}
# 直接将字典键作为行索引生成DataFrame
df1 = pd.DataFrame.from_dict(nested_dict, orient='index')

内容的提问来源于stack exchange，提问作者AhmFM