更新：
熊猫0.23.1已恢复0.23.0中引入的问题更改。但是，原始性能的最佳解决方案仍然是CSV->
bcp方法，如下所述。
（原始答案）
在熊猫版本0.23.0之前，
to_sql将为DataTable中的每一行生成一个单独的INSERT：
exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)', N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)', 0,N'row000'exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)', N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)', 1,N'row001'exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6)', N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2)', 2,N'row002'
大概是为了提高性能，pandas 0.23.0现在会生成一个表值构造函数，以便在每次调用时插入多行
exec sp_prepexec @p1 output,N'@P1 int,@P2 nvarchar(6),@P3 int,@P4 nvarchar(6),@P5 int,@P6 nvarchar(6)', N'INSERT INTO df_to_sql_test (id, txt) VALUES (@P1, @P2), (@P3, @P4), (@P5, @P6)', 0,N'row000',1,N'row001',2,N'row002'
问题在于，SQL
Server存储过程（包括类似的系统存储过程
sp_prepexec）仅限于2100个参数，因此，如果Dataframe具有100列，则
to_sql一次只能插入约20行。
我们可以
chunksize使用
# df is an existing Dataframe## limit based on sp_prepexec parameter counttsql_chunksize = 2097 // len(df.columns)# cap at 1000 (limit for number of rows inserted by table-value constructor)tsql_chunksize = 1000 if tsql_chunksize > 1000 else tsql_chunksize#df.to_sql('tablename', engine, if_exists='replace', index=False, chunksize=tsql_chunksize)但是，最快的方法仍然可能是：
将Dataframe转储到CSV文件（或类似文件），然后
让Python调用SQL Server
bcp
实用程序将文件上传到表中。
