根据数据框中的内容从SQL Server删除行

我在 SQL Server 中有一个名为的库存表dbo.inventory其中包含Year, Month, Material and Stock_quantity。我每天都会收到 csv 文件形式的新库存计数，需要将其加载到dbo.inventory桌子。但是，我确实需要删除数据库中的记录，如果Year and Monthcsv 文件中的数据已存在于数据库中，以避免加载同一个月的多个库存盘点。

在 SQL 中我会这样做：

Delete t1 
FROM dbo.inventory t1
JOIN csv t2 ON t1.Year = t2.Year and t1.Month = t2.Month

我不知道如何在 Python 脚本中执行此操作，因此我避免将 CSV 文件作为暂存表加载到数据仓库中，而只是删除匹配的现有行Year and Month然后加载它们。

我在另一个设置中使用了以下内容：

delete_date = sales.Date.max()
connection = engine.connect()
connection.execute(f"""delete from sales where Date = '{delete_date}'""")
connection.close()

但这在这里不起作用，因为应删除的输入是一个数据框，理论上如果它是对早期加载数据的更正，则它可能包含多个年份和月份。

Pandas 不支持根据特定条件删除 SQL 行。为此，您必须使用 SQLAlchemy：

import sqlalchemy as sa

engine = sa.create_engine('mssql+pyodbc://...')
meta = sa.MetaData()

# Map the Inventory table in your database to a SQLAlchemy object
inventory = sa.Table('Inventory', meta, autoload=True, autoload_with=engine)

# Build the WHERE clause of your DELETE statement from rows in the dataframe.
# Equivalence in SQL:
#   WHERE (Year = <Year from row 1 of df> AND Month = <Month from row 1 of df>)
#      OR (Year = <Year from row 2 of df> AND Month = <Month from row 2 of df>)
#      ...
cond = df.apply(lambda row: sa.and_(inventory.c['Year'] == row['Year'], inventory.c['Month'] == row['Month']), axis=1)
cond = sa.or_(*cond)

# Define and execute the DELETE
delete = inventory.delete().where(cond)
with engine.connect() as conn:
    conn.execute(delete)

# Now you can insert the new data
df.to_sql('Inventory', engine, if_exists='append', index=False)