不使用sqlalchemy如何将Pandas DataFrame导入MySQL数据库？

方案1：沿用现有依赖批量插入（无需额外安装库） #

该方法完全适配你当前使用的flask_mysqldb连接逻辑，使用executemany实现批量插入，性能远高于逐行执行execute：

# 提取指定列，转换为(邮件, 姓名)格式的元组列表
data = df[['email', 'name']].values.tolist()

# 批量执行插入操作
cursor.executemany('INSERT INTO accounts (email, name) VALUES (%s, %s)', data)
mysql.connection.commit()

可选优化：如果accounts表的email字段已设置唯一索引，想要避免重复插入报错，可以把SQL语句改为INSERT IGNORE INTO accounts (email, name) VALUES (%s, %s)，重复数据会自动跳过；需要更新重复数据的姓名则可以用ON DUPLICATE KEY UPDATE语法。
超大批量数据（10万行以上）可以按每批1万~5万行切分后分批提交，避免单次请求数据量过大触发数据库报错。

方案2：使用Pandasto_sql方法（代码更简洁） #

如果可以引入SQLAlchemy依赖，该方法代码更精简，自动处理批量逻辑：

1. 先安装依赖：pip install sqlalchemy pymysql
2. 执行写入：

from sqlalchemy import create_engine

# 按你实际的数据库配置替换连接串参数
engine = create_engine('mysql+pymysql://[数据库用户名]:[数据库密码]@[主机地址]/[数据库名]?charset=utf8mb4')

# 追加写入accounts表，index=False表示不写入DataFrame的索引列
df[['email', 'name']].to_sql(
    name='accounts',
    con=engine,
    if_exists='append',
    index=False
)

参数说明：if_exists可选值为fail（表存在就报错终止）、replace（删除原表重建后写入）、append（追加到现有表末尾），插入已有表需选择append。

内容的提问来源于stack exchange，提问作者derikS4M1