错误提示如下:

File "D:\ProgramData\Anaconda3\lib\site-packages\pymysql\connections.py", line 738, in _read_bytes

raise err.OperationalError(

OperationalError: (2013, 'Lost connection to MySQL server during query ([WinError 10053] 您的主机中的软件中止了一个已建立的连接。)')

代码如下：

import pandas as pd

import numpy as np

#准备数据框

data1=pd.DataFrame({"x":list(range(100000000))})

data0=pd.DataFrame({"x":list(range(10))})

from sqlalchemy import create_engine

connection1=create_engine("mysql+pymysql://root:12345@localhost:3306/test1?charset=utf8")

import sqlalchemy

#create_engine的用法可以用help(sqlalchemy.engine)看下。

pd.io.sql.to_sql(data1,"biao3",connection1,schema="test1",if_exists="replace")

pd.io.sql.to_sql(data0,"biao0",connection1,schema="test1",if_exists="replace")

原因：这是因为我们导入的数据量太大导致的

即使是mysql自己往自己的库里面插数据，一次性插入太多数据也会出现这个问题。

因此这个问题应该算是Mysql自己的一个问题。

【

这里借用一下我搜索到的别人反馈的信息：

在执行脚本插入操作的时候, 报了一个 mysql 连接断开的错误, 报错信息为 pymysql.err.OperationalError: (2013, ‘Lost connection to MySQL server during query’), 原因是同时操作了太大的数据, 比如我就用 cursor.execute(sql) 执行了上千条插入语句, 然后再commit 一次, 这样同时数据量过大, 就会造成mysql连接断开, 但是数据还是会插进入, 不过有可能会丢数据;

解决方案：

加一个全局变量计数器, 然后在执行语句达到一定数量后再commint 一次, 这个数据可以根据mysql的性能来设置, 我这边设置成100之后就没问题了 (别忘了commit之后把计数器变量清零)】

我们的这个问题这里，也可以参考这种解决方案，具体来说就分批导入。一部分一部分的导入。

试了下1000万 1千万是可以的。

再试下两千万

2000 0000很长时间都没跑完