如何基于ID将Pandas DataFrame数据更新至MySQL现有行？

下面提供两种实用方法，可根据数据量大小选择：

方法一：批量执行参数化UPDATE语句（适合少量数据） #

这种方法直接构造更新语句批量提交，逻辑简单直观：

1. 导入SQLAlchemy的text工具，用于构造安全的参数化SQL：

from sqlalchemy import text

2. 提取DataFrame中需更新的ID和Value数据，转换成元组列表：

update_records = list(df[["ID", "Value"]].itertuples(index=False, name=None))

3. 构造参数化UPDATE语句并批量执行：

# 用命名参数避免SQL注入风险
update_sql = text("""
    UPDATE table_name
    SET Value = :value
    WHERE ID = :id
""")

# 开启事务执行，保证数据一致性
with conn.begin():
    conn.execute(update_sql, [{"id": id_num, "value": val} for id_num, val in update_records])

方法二：临时表+UPDATE JOIN（适合大量数据，效率更高） #

当数据量较大时，先将DataFrame导入临时表，再通过关联更新原表，速度会显著提升：

1. 将DataFrame导入MySQL临时表：

df.to_sql(
    name="temp_update_table",
    con=conn,
    if_exists="replace",
    index=False
)

2. 执行UPDATE JOIN语句，通过ID关联更新原表的Value列：

update_sql = text("""
    UPDATE table_name t
    JOIN temp_update_table tt ON t.ID = tt.ID
    SET t.Value = tt.Value
""")

with conn.begin():
    conn.execute(update_sql)

3. （可选）手动删除临时表（MySQL临时表会在会话结束后自动销毁）：

conn.execute(text("DROP TABLE IF EXISTS temp_update_table"))

关键注意事项 #

• 确保原表的ID列是主键或带有索引，这样关联更新时效率更高
• 始终使用参数化查询，避免SQL注入风险
• 用conn.begin()开启事务，防止部分更新成功导致数据不一致

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