假设我现在有一个很大的Excel表格，想整体作为一张表写入数据库，方便以后处理。可以这样操作：

先用pandas读取Excel表格，将表格内容转化成一个dataframe数据，然后将这个df数据整体写入数据库。

我在处理这个问题的时候，一开始没有弄清楚，需不需要先在数据库里建好表，甚至建好字段。后来验证的结果是，如果用SQLAlchemy这个库来做的话，是不需要的。

这实际上是用到了ORM（Object Relational Mapping， 对象关系映射）技术，可以将dataframe数据映射成数据表，也可以将数据表映射成dataframe数据。

我的Excel文件路径是D:\PythonDemo\wallet\wallet.xlsx，这是我平时用的记账APP导出的文件。

首先，将文件路径存到excelFile变量，使用pd.read_excel()函数来读取这个Excel数据，然后用pd.DataFrame()函数转化成dataframe数据类型赋值给df变量。

至此，我们已经获得了一个和Excel表格结构相同的dataframe数据，接下来就是将它写入到数据库中。

数据库连接需要用到pymysql库，网上也有不少说到用mysqldb这个库，实测python3并不好用，所以还是推荐用pymysql。另一个sqlalchemy库是用来将dataframe数据与数据表进行互相转化映射的。

我们使用create_engine()函数连接数据库。

engine =create_engine('mysql+pymysql://root:''@localhost:3306/mydata',encoding='utf8')

这里，mysql是你用的数据库，pymysql是你用的连接数据库的库，root对应数据库用户名，root冒号后面写数据库的密码，我的MySQL数据库在本地，所以密码为空。@符合后面写数据库地址，本地是localhost，3306是端口，mydata是数据库名。虽然不需要提前建好数据表，但是数据库还是得准备好。

然后调用df.to_sql()函数将dataframe数据写入：

df.to_sql('wallet',con=engine,if_exists='replace',index=False)

第一个参数是你希望新建的表的名字，第二个con=后面接前面一句的engine对象，后面的参数表示如果已经存在就进行替换。

执行，然后用navicat连接数据库看一下，果然成功了：