对于“写入sql server”部分，可以使用pandas方便的to_sql方法（因此不需要迭代行并手动执行插入）。请参阅使用pandas与SQL数据库交互的文档：http://pandas.pydata.org/pandas-docs/stable/io.html#io-sql
你至少需要pandas 0.14才能让它工作，你还需要安装sqlalchemy。举个例子，假设df是你从read_table得到的DataFrame：

import sqlalchemy
import pyodbc
engine = sqlalchemy.create_engine("mssql+pyodbc://<username>:<password>@<dsnname>")

# write the DataFrame to a table in the sql database
df.to_sql("table_name", engine)

另请参阅to_sql的文档页面。
有关如何使用sqlalchemy为sql server和pyobdc创建连接引擎的更多信息，您可以在这里找到：http://docs.sqlalchemy.org/en/rel_1_1/dialects/mssql.html#dialect-mssql-pyodbc-connect
但是如果您的目标只是将csv数据放入SQL数据库，那么您也可以考虑直接从SQL执行此操作。

使用LocalDB SQL示例的Python3版本：

from sqlalchemy import create_engine
import urllib
import pyodbc
import pandas as pd

df = pd.read_csv("./data.csv")

quoted = urllib.parse.quote_plus("DRIVER={SQL Server Native Client 11.0};SERVER=(localDb)\ProjectsV14;DATABASE=database")
engine = create_engine('mssql+pyodbc:///?odbc_connect={}'.format(quoted))

df.to_sql('TargetTable', schema='dbo', con = engine)

result = engine.execute('SELECT COUNT(*) FROM [dbo].[TargetTable]')
result.fetchall()

是的，bcp实用程序似乎是大多数情况下的最佳解决方案。
如果你想留在Python中，下面的代码应该可以工作。

from sqlalchemy import create_engine
import urllib
import pyodbc

quoted = urllib.parse.quote_plus("DRIVER={SQL Server};SERVER=YOUR\ServerName;DATABASE=YOur_Database")
engine = create_engine('mssql+pyodbc:///?odbc_connect={}'.format(quoted))

df.to_sql('Table_Name', schema='dbo', con = engine, chunksize=200, method='multi', index=False, if_exists='replace')

不要避免使用method='multi'，因为它会显著减少任务的执行时间。
有时您可能会遇到以下错误。
编程错误：（'42000 '，'[42000] [Microsoft][ODBC SQL Server Driver][SQL Server]传入请求的参数太多。服务器最多支持2100个参数。请减少参数数并重新发送请求。（8003）（SQLExecDirectW）'）
在这种情况下，确定 Dataframe 中的列数：df.shape[1]。将支持的最大参数数除以此值，并使用结果的floor作为块大小。

我发现当你有一个大的数据集时，使用bcp实用程序（https://learn.microsoft.com/en-us/sql/tools/bcp-utility）效果最好。我有270万行，插入速度为80 K行/秒。你可以将 Dataframe 存储为csv文件（如果你的数据没有制表符和utf8编码，使用制表符作为分隔符）。使用bcp，我使用了格式“-c”，到目前为止它没有问题。

这在Python 3.5.2中很有用：

import sqlalchemy as sa
import urllib
import pyodbc

conn= urllib.parse.quote_plus('DRIVER={ODBC Driver 17 for SQL Server};SERVER='+server+';DATABASE='+database+';UID='+username+';PWD='+ password)
engine = sa.create_engine('mssql+pyodbc:///?odbc_connect={}'.format(conn))

frame.to_sql("myTable", engine, schema='dbo', if_exists='append', index=False, index_label='myField')

由于Connection代表数据库的开放资源，因此我们希望始终将此对象的使用范围限制在特定的上下文中，最好的方法是使用Python上下文管理器表单，也称为with语句。
那么这个例子就是

from sqlalchemy import create_engine
import urllib
import pyodbc
connection_string = (
    "Driver={SQL Server Native Client 11.0};"
    "Server=myserver;"
    "UID=myuser;"
    "PWD=mypwd;"
    "Database=mydb;"
)
quoted = urllib.parse.quote_plus(connection_string)
engine = create_engine(f'mssql+pyodbc:///?odbc_connect={quoted}')
with engine.connect() as cnn:
    df.to_sql('mytable',con=cnn, if_exists='replace', index=False)

下面是我使用sqlalchemy的工作原理。请注意最后一部分?driver=SQL+Server'。

import sqlalchemy
import pyodbc
engine = sqlalchemy.create_engine('mssql+pyodbc://MyUser:MyPWD@dataserver.sandbox.myserver/MY_DB?driver=SQL+Server')
dt.to_sql("PatientResultTest", engine,if_exists='append')

SQL表需要在开始处有一个index列来存储dataframe的索引值。

# using class function   
import pandas as pd
import pyodbc
import sqlalchemy
import urllib
class data_frame_to_sql():    
   def__init__(self,dataFrame,sql_table_name):
           self.dataFrame=dataFrame
           self.sql_table_name=sql_table_name
           def conversion(self):
       
           params = urllib.parse.quote_plus("DRIVER={SQL Server};"
                                            "SERVER=######;"
                                            "DATABASE=####;"
                                            "UID=#####;"
                                            "PWD=###;")
       
       
           try:
               engine = sqlalchemy.create_engine("mssql+pyodbc:///?odbc_connect={}".format(params))
               return f"Table '{self.sql_table_name}' added sucsessfully in database" ,self.dataFrame.to_sql(self.sql_table_name, engine)
       
           except Exception as e :
               e=str(e).replace(".","")
               print(f"{e} in Database." )

data={"BusinessEntityID":["1","2","3"],"FirstName":["raj","abhi","amir"],"LastName":["kapoor","bachn","khhan"]}
df = pd.DataFrame(data, columns= ['BusinessEntityID','FirstName','LastName'])
ab=data_frame_to_sql(df,"ab").conversion()
print(ab)

不一定要使用sqlamchemy，可以直接创建一个与pyodbc的连接来使用pandas，如下所示：

with pyodbc.connect('DRIVER={ODBC Driver 18 for SQL Server};SERVER='+server+';DATABASE='+database+';UID='+username+';PWD='+ password) as newconn:
    df = pd.read_sql(<your sql goes here>,newconn)