質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
87.20%
Access

Accessはマイクロソフトによるリレーショナルデータベース管理システムです。オブジェクト指向のアプリケーション作成に対応しており、テーブルや編集をはじめ、クエリ生成、入力フォーム作成、レポート作成など一通りの機能を備えています。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

受付中

シェープファイルの属性をaccessに高速で登録したい。

xail2222
xail2222

総合スコア1353

Access

Accessはマイクロソフトによるリレーショナルデータベース管理システムです。オブジェクト指向のアプリケーション作成に対応しており、テーブルや編集をはじめ、クエリ生成、入力フォーム作成、レポート作成など一通りの機能を備えています。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

1回答

0評価

0クリップ

228閲覧

投稿2022/04/18 15:16

編集2022/04/18 23:45

実現したいこと

シェープファイルの属性をaccessに高速で登録したい。

調べたこと

https://teratail.com/questions/u88jge5g5b2qdx
https://qiita.com/ku_a_i/items/77f4680651e628517db9
https://stackoverflow.com/questions/69451791/error-using-to-sql-method-multi-with-ms-access
https://github.com/gordthompson/sqlalchemy-access/wiki/%5Bpandas%5D-faster-alternative-to-.to_sql()-for-large-uploads

つまり
https://teratail.com/questions/326746
の質問文で記載したようにGetFieldDefnから型を取得して対応するAccessの型を判定し
それにより"ADODB.Connection"使ってテーブルを作成して
そこにinsert-intoで登録すれば良い。という事になるのでしょうか。

こんな方法しかないのでしょうか。
他に良い方法等ありましたら教えて下さい。

とりあえず、to_sqlで出力する例1とADOつかってRecorsSetでappendする例2と
リンク先に提示してあったto_excelからのinsert intoの例3を比較してみました。

コードは以下の通りです。

python

import pandas as pd from urllib.parse import quote_plus from sqlalchemy import create_engine from sqlalchemy import types import time import os import math def alchemy_engine(db_path): con_str = "DRIVER=" + \ "{Microsoft Access Driver (*.mdb, *.accdb)};" + \ f"DBQ={db_path};" con_str = quote_plus(con_str) engine = create_engine( f"access+pyodbc:///?odbc_connect={con_str}", echo=True) return engine path_access=r"D:\work\study\python\pandas_access\orderby.accdb" engine = alchemy_engine(path_access) data_a=[] data_b=[] data_c=[] data_d=[] data_e=[] for i in range(30000): data_a.append(i) data_b.append(float(i)) data_c.append(str(i)) data_d.append(None) data_e.append(str(i)) df=pd.DataFrame({'A':data_a,'B':data_b,'C':data_c,'D':data_d,'E':data_e}) dtypes={'A':types.Integer,'B':types.Float,'C':types.String(10),'D':types.DateTime,'E':types.Text} start_time = time.perf_counter() df.to_sql('testtable', engine, if_exists='replace', index=False,dtype=dtypes) end_time = time.perf_counter() elapsed_time = end_time - start_time print(elapsed_time) import win32com.client def insert_to_access(path,df,table,dtypes): dic_data_type = { types.DateTime:"DATETIME", types.Float:"DOUBLE", types.Integer:"INTEGER", types.Text: "LONGCHAR", types.String:"VARCHAR", } conn = win32com.client.Dispatch(r'ADODB.Connection') DSN ='Provider=Microsoft.ACE.OLEDB.12.0;Data Source=' + path + ';' conn.Open(DSN) sql="DROP TABLE [" + table + "]" try: conn.Execute(sql) except: pass sql="CREATE TABLE [" + table + "] (" for column in df.columns: if isinstance(dtypes[column], types.String): sql += column + ' ' + dic_data_type[types.String] sql += '(' + str(dtypes[column].length) + ')' else: sql += column + ' ' + dic_data_type[dtypes[column]] sql += ',' sql=sql[:-1]+ ')' conn.Execute(sql) rs = win32com.client.Dispatch(r'ADODB.Recordset') rs.CursorLocation = 3 # adUseClient rs.LockType = 4 # adLockBatchOptimistic rs.Properties.Item("Append-Only Rowset").Value= True rs.Open("SELECT * FROM [" + table + "]",conn) l=len(df.columns) count=0 for row in df.itertuples(name=None): count+=1 rs.AddNew() for i in range(l): if not row[i+1] is None: if isinstance(row[i+1],float) or isinstance(row[i+1],int): if not math.isnan(row[i+1]): rs.Fields.Item(i).Value=row[i+1] else: rs.Fields.Item(i).Value=row[i+1] if count % 5000 ==0: rs.UpdateBatch() if count % 5000 != 0: rs.UpdateBatch() rs.Close() conn.Close() def insert_to_access2(path,df,table,dtypes): dic_data_type = { types.DateTime:"DATETIME", types.Float:"DOUBLE", types.Integer:"INTEGER", types.Text: "LONGCHAR", types.String:"VARCHAR", } conn = win32com.client.Dispatch(r'ADODB.Connection') DSN ='Provider=Microsoft.ACE.OLEDB.12.0;Data Source=' + path + ';' conn.Open(DSN) sql="DROP TABLE [" + table + "]" try: conn.Execute(sql) except: pass sql="CREATE TABLE [" + table + "] (" for column in df.columns: if isinstance(dtypes[column], types.String): sql += column + ' ' + dic_data_type[types.String] sql += '(' + str(dtypes[column].length) + ')' else: sql += column + ' ' + dic_data_type[dtypes[column]] sql += ',' sql=sql[:-1]+ ')' conn.Execute(sql) xlsx_path = os.path.splitext(path)[0] + '.xlsx' df.to_excel(xlsx_path, index=False) sql = f"""\ INSERT INTO [{table}] SELECT * FROM [Sheet1$] IN "{xlsx_path}" 'Excel 12.0 Macro;HDR=Yes' """ conn.Execute(sql) os.remove(xlsx_path) conn.Close() start_time = time.perf_counter() insert_to_access(path_access,df,'testtable2',dtypes) end_time = time.perf_counter() elapsed_time = end_time - start_time print(elapsed_time) start_time = time.perf_counter() insert_to_access2(path_access,df,'testtable3',dtypes) end_time = time.perf_counter() elapsed_time = end_time - start_time print(elapsed_time)

結果は
例1が22秒
例2が35秒(やってみたがto_sqlより遅いとは…何かまずい所があるのかな?)
例3が6秒
でした。

やはり、リンク先の内容の通りということなのでしょうか。
データの量を増やしてどう変わるかについては、また検証してみます。

あとシェープファイルからということでしたので
シェープファイルからの登録の例として書いてみたコードも記載しておきます。

python

import osgeo.ogr as ogr from sqlalchemy.types import Float,Integer,String,Text,DateTime path_read_shp=r"D:\study\Python\AAAA.shp" driver = ogr.GetDriverByName("ESRI Shapefile") data_source = driver.Open(path_read_shp) layer = data_source.GetLayer(0) layer_defn = layer.GetLayerDefn() dtypes={} for column in range(layer_defn.GetFieldCount()): field_defn=layer_defn.GetFieldDefn(column) field_name=field_defn.GetName() if field_defn.GetType() == ogr.OFTInteger: dtypes[field_name]=Integer elif field_defn.GetType() == ogr.OFTInteger64: dtypes[field_name]=Integer elif field_defn.GetType() == ogr.OFTReal: dtypes[field_name]=Float elif field_defn.GetType() == ogr.OFTString: if field_defn.GetWidth()<=255: dtypes[field_name]=String(field_defn.GetWidth()) else: dtypes[field_name]=Text elif field_defn.GetType() == ogr.OFTDate : dtypes[field_name]=DateTime data_source.Destroy() import pandas as pd import geopandas as gpd from urllib.parse import quote_plus from sqlalchemy import create_engine # sqlalchemyのengineを作成 def alchemy_engine(db_path): con_str = "DRIVER=" + \ "{Microsoft Access Driver (*.mdb, *.accdb)};" + \ f"DBQ={db_path};" con_str = quote_plus(con_str) engine = create_engine( f"access+pyodbc:///?odbc_connect={con_str}", echo=True) return engine engine = alchemy_engine(r"D:\study\Python\sss.accdb") gdf=gpd.read_file(path_read_shp,encode='utf-8') df=pd.DataFrame(gdf.drop('geometry',axis=1)) df.to_sql('shape_test', engine, if_exists='replace', index=False)

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

gU8C8Nud4E8p3uW

2022/04/18 22:22

課題はなんですか? 質問者さん自身で書いたコードが示されておらず、面倒そうなことから逃れたいだけに見えます。やってみて、それで目的を達することができたら、それも一つの正解です。
xail2222

2022/04/18 22:30

課題? 質問は、書いてある通りです。 pandasでto_excel()してから"ADODB.Connection"を使ってCreateTableして Inser into でする以外に方法はないのか。 です。 コードは、必要あるかどうかは知りませんが、出来次第追記の予定です。

まだ回答がついていません

会員登録して回答してみよう

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
87.20%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

Access

Accessはマイクロソフトによるリレーショナルデータベース管理システムです。オブジェクト指向のアプリケーション作成に対応しており、テーブルや編集をはじめ、クエリ生成、入力フォーム作成、レポート作成など一通りの機能を備えています。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

pandas

Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。