insert_df¶

async AsyncDeepModel.insert_df(object_name, data, relation=None, chunksize=500, enable_upsert=False, update_fields=None, exclusive_fields=None)¶

以事务执行基于DataFrame字段信息的批量插入数据

参数

object_name (str) – 被插入数据的对象名，需属于当前应用
data (DataFrame) – 要插入的数据，若有single link property，则以列名为link_name@link_property_name的形式提供
relation (Optional[Dict[str, DataFrame]]) – 如有multi link，提供该字典用于补充link target信息，键为link字段名，值为映射关系的DataFrame DataFrame中的source列需为插入对象的业务主键， target列需为link target的业务主键，若有link property，则以property名为列名，提供在除source和target的列中
chunksize (int) – 单次最大行数
enable_upsert (bool) – 是否组织成upsert句式
update_fields (Optional[Iterable[str]]) – upsert句式下update的update fields列表，涉及的fields需出现在data或relation中，默认为提供的data列中除业务主键以外的fields
exclusive_fields (Optional[Iterable[str]]) – upsert句式下update的exclusive fields列表，涉及的fields需出现在data或relation中，默认为业务主键

提示

由于批量insert实现方式为组织 for-union clause 的 insert 语句，而在其中查询self link只能查到已有数据，无法查到 for-union clause 之前循环插入的结果，self link字段的数据将被单独抽出，在 insert 后再用 for-union clause 的 update 语句更新

示例(不涉及multi link)

import pandas as pd
from datetime import datetime

dm = DeepModel()

data = pd.DataFrame(
    {
        'p_bool': [True, False],
        'p_str': ['Hello', 'World'],
        'p_local_datetime': [
            datetime(2021, 1, 1, 0, 0, 0),
            datetime(2021, 2, 1, 0, 0, 0),
        ],
    }
)
# 将data插入Demo对象
dm.insert_df('Demo', data)

示例(涉及multi link)

import pandas as pd

dm = DeepModel()
# 对象主数据
data = pd.DataFrame(
    {
        'name': ['Alice', 'Bob', 'Carol']
    }
)
# 主数据的multi link字段target信息
relation = {
    'deck': pd.DataFrame(
        {
            # 一对多可用多行source与target的关联表示
            'source': ['Alice', 'Alice', 'Bob', 'Carol'],
            'target': [
                'Dragon',
                'Golem',
                'Golem',
                'Imp'
            ]
        }
    ),
    'awards': pd.DataFrame(
        {
            'source': ['Alice', 'Bob', 'Carol'],
            'target': ['1st', '2nd', '3rd'],
        }
    )
}
dm.insert_df('User', data, relation=relation)

返回类型: None