使用pymssql向多列SQL表插入DataFrame数据，如何避免手动输入大量%s？

方法一：动态生成SQL语句与占位符，结合批量插入 #

不用手动写几十个%s，可以利用DataFrame的列名自动生成对应的SQL结构，同时用executemany替代逐行循环，大幅提升插入效率：

# 从DataFrame获取列名列表
columns = df.columns.tolist()
# 拼接列名字符串
col_names = ", ".join(columns)
# 生成对应数量的占位符
placeholders = ", ".join(["%s"] * len(columns))
# 构建完整的INSERT语句
insert_sql = f"INSERT INTO dbo.table({col_names}) VALUES ({placeholders})"

# 将DataFrame转为二维列表，批量插入
cursor.executemany(insert_sql, df.values.tolist())
# 记得提交事务（根据数据库连接配置决定是否需要）
conn.commit()

方法二：使用pandas内置的to_sql方法（最简洁） #

pandas提供了直接将DataFrame写入SQL表的封装方法，无需手动构建SQL语句，底层会自动处理列映射和占位符：

from sqlalchemy import create_engine

# 根据你的数据库类型创建连接引擎，以SQL Server为例
engine = create_engine("mssql+pyodbc://你的用户名:密码@服务器地址/数据库名?driver=ODBC+Driver+17+for+SQL+Server")

# 插入数据到指定表
df.to_sql(
    name="table",          # SQL表名
    schema="dbo",          # 架构名
    con=engine,            # 数据库连接引擎
    if_exists="append",    # 表存在时的处理方式：追加/替换/报错
    index=False            # 不插入DataFrame的索引列
)

注意事项 #

• 确保DataFrame的列名与SQL表的列名完全一致，否则会出现列不匹配的错误
• 使用executemany时，需注意DataFrame的数据类型与SQL表字段类型兼容（如日期类型、数值类型）
• to_sql依赖SQLAlchemy和对应数据库的驱动包（如SQL Server需安装pyodbc）

内容的提问来源于stack exchange，提问作者glop11294484