¿Cómo copiar de un archivo CSV a una tabla PostgreSQL con encabezados en un archivo CSV?

Quiero copiar un archivo CSV a una tabla de Postgres. Hay alrededor de 100 columnas en esta tabla, por lo que no quiero reescribirlas si no es necesario.

Estoy usando el \copy table from 'table.csv' delimiter ',' csv;comando pero sin una tabla creada obtengo ERROR: relation "table" does not exist. Si agrego una tabla en blanco, no obtengo ningún error, pero no sucede nada. Probé este comando dos o tres veces y no hubo resultados ni mensajes, pero la tabla no se actualizó cuando la revisé a través de PGAdmin.

¿Hay alguna forma de importar una tabla con encabezados incluidos como estoy tratando de hacer?

Esto funcionó. La primera fila tenía nombres de columnas.

COPY wheat FROM 'wheat_crop_data.csv' DELIMITER ';' CSV HEADER

Con la biblioteca de Python pandas, puede crear fácilmente nombres de columna e inferir tipos de datos de un archivo csv.

from sqlalchemy import create_engine
import pandas as pd

engine = create_engine('postgresql://user:pass@localhost/db_name')
df = pd.read_csv('/path/to/csv_file')
df.to_sql('pandas_db', engine)

El if_existsparámetro se puede configurar para reemplazar o agregar a una tabla existente, por ejemplo df.to_sql('pandas_db', engine, if_exists='replace'). Esto también funciona para tipos de archivos de entrada adicionales, documentos aquí y aquí .

Alternativa por terminal sin permiso

La documentación pg en NOTES dice

La ruta se interpretará en relación con el directorio de trabajo del proceso del servidor (normalmente el directorio de datos del clúster), no el directorio de trabajo del cliente.

Entonces, generalmente, usando psqlo cualquier cliente, incluso en un servidor local, tiene problemas ... Y, si está expresando el comando COPY para otros usuarios, por ejemplo. en un README de Github, el lector tendrá problemas ...

La única forma de expresar la ruta relativa con los permisos del cliente es utilizando STDIN ,

Cuando se especifica STDIN o STDOUT, los datos se transmiten a través de la conexión entre el cliente y el servidor.

como se recuerda aquí :

psql -h remotehost -d remote_mydb -U myuser -c \
   "copy mytable (column1, column2) from STDIN with delimiter as ','" \
   < ./relative_path/file.csv

He estado usando esta función durante un tiempo sin problemas. Solo necesita proporcionar el número de columnas que hay en el archivo csv, y tomará los nombres de los encabezados de la primera fila y creará la tabla para usted:

create or replace function data.load_csv_file
    (
        target_table  text, -- name of the table that will be created
        csv_file_path text,
        col_count     integer
    )

    returns void

as $$

declare
    iter      integer; -- dummy integer to iterate columns with
    col       text; -- to keep column names in each iteration
    col_first text; -- first column name, e.g., top left corner on a csv file or spreadsheet

begin
    set schema 'data';

    create table temp_table ();

    -- add just enough number of columns
    for iter in 1..col_count
    loop
        execute format ('alter table temp_table add column col_%s text;', iter);
    end loop;

    -- copy the data from csv file
    execute format ('copy temp_table from %L with delimiter '','' quote ''"'' csv ', csv_file_path);

    iter := 1;
    col_first := (select col_1
                  from temp_table
                  limit 1);

    -- update the column names based on the first row which has the column names
    for col in execute format ('select unnest(string_to_array(trim(temp_table::text, ''()''), '','')) from temp_table where col_1 = %L', col_first)
    loop
        execute format ('alter table temp_table rename column col_%s to %s', iter, col);
        iter := iter + 1;
    end loop;

    -- delete the columns row // using quote_ident or %I does not work here!?
    execute format ('delete from temp_table where %s = %L', col_first, col_first);

    -- change the temp table name to the name given as parameter, if not blank
    if length (target_table) > 0 then
        execute format ('alter table temp_table rename to %I', target_table);
    end if;
end;

$$ language plpgsql;

Puede usar d6tstack que crea la tabla para usted y es más rápido que pd.to_sql () porque usa comandos nativos de importación de DB. Es compatible con Postgres, así como con MYSQL y MS SQL.

import pandas as pd
df = pd.read_csv('table.csv')
uri_psql = 'postgresql+psycopg2://usr:pwd@localhost/db'
d6tstack.utils.pd_to_psql(df, uri_psql, 'table')

También es útil para importar múltiples CSV, resolver cambios en el esquema de datos y / o preprocesar con pandas (por ejemplo, para fechas) antes de escribir en la base de datos, ver más abajo en el cuaderno de ejemplos.

d6tstack.combine_csv.CombinerCSV(glob.glob('*.csv'), 
    apply_after_read=apply_fun).to_psql_combine(uri_psql, 'table')