Python 2.7 / Pandas / MySQL 分段错误答案

【问题标题】：Python 2.7 / Pandas / MySQL Segmentation FaultPython 2.7 / Pandas / MySQL 分段错误
【发布时间】：2017-09-24 16:08:12
【问题描述】：

我正在使用带有 pandas 0.20.2 的 python 2.7 将多个 CSV 文件读取到 DataFrame（一次一个），从 DF 中的选定系列创建列表，然后将该信息转储到 MySQL 数据库中。

奇怪的行为是第一个循环运行良好（尝试了各种文件，第一个总是运行良好），但随后对 MySQL 的写入挂起并出现严重的内存泄漏，直到出现 segmentation fault (core dumped) 错误。

我将尝试在这里举一个最小的例子：

import pandas as pd
import MySQLdb

file_list = ['file1.csv','file2.csv']

db = MySQLdb.connect(...)

with db as c:
    c.execute("USE my_db")

    for f in file_list:
        df = pd.read_csv(f, parse_dates = ['date_time'])

        sql_dict = {
                    'date_time': df['date_time'].dt.strftime('%Y-%m-%d %H:%M:%S').tolist(),
                    'num':df['num'].tolist()
                    }

        columns = sql_dict.keys()
        values = sql_dict.values()

        join_string = "(" + ",".join("%s" for c in columns) + ")"
        query = "REPLACE INTO std_ints ({}) VALUES ".format(", ".join(columns)) + ",".join(join_string for _ in values[0])
        flat_vals = [ i for s in zip(*values) for i in s ]

        c.execute(query, flat_vals)
        db.commit()

db.close()

第一个循环完美执行，然后运行第二个循环，直到 c.execute(query, flat_vals) 行挂起并且永远不会完成。

我已经尝试了一百万次 .commit() 的各种迭代，关闭或不关闭 db，都无济于事。

我不知道这是 pandas 错误还是 MySQL 错误，但数据帧都快速生成并占用相同的内存空间，所以我认为这是 MySQL 问题。

我还阅读了this thread regarding multithreading，并在file_list 中为每个循环添加了一个新连接，但也无济于事。

任何帮助将不胜感激。

【问题讨论】：

如何安装 MySQL 驱动程序？此外，请检查客户端库版本是否与服务器版本匹配。有时pip uninstall 和pip install 会再次提供帮助，因为它会重建二进制文件并正确链接到 MySQL 客户端库。
@tungd - 感谢您的建议，如果没有其他方法，我会试一试。鉴于我可以使用各种数据集将数据插入数据库，我倾向于认为这不是原因……但我很容易弄错。

标签： python mysql pandas memory-leaks

【解决方案1】：

尽管我有关于“关于多线程的这个线程”的说法，但我认为这可能已经给出了答案。

新的工作代码：

import pandas as pd
import MySQLdb

file_list = ['file1.csv','file2.csv']

for f in file_list:
    db = MySQLdb.connect(...)

    with db as c:
        c.execute("USE my_db")

        df = pd.read_csv(f, parse_dates = ['date_time'])

        sql_dict = {
                    'date_time': df['date_time'].dt.strftime('%Y-%m-%d %H:%M:%S').tolist(),
                    'num':df['num'].tolist()
                    }

        columns = sql_dict.keys()
        values = sql_dict.values()

        join_string = "(" + ",".join("%s" for c in columns) + ")"
        query = "REPLACE INTO std_ints ({}) VALUES ".format(", ".join(columns)) + ",".join(join_string for _ in values[0])
        flat_vals = [ i for s in zip(*values) for i in s ]

        c.execute(query, flat_vals)
        db.commit()

请注意更新版本中缺少db.close()。坦率地说，我不确定关键是什么，但无论是那个和/或 MySQL 连接调用的重新排序都可以解决问题。

【讨论】：