Django 1.4在QuerySet对象上提供了一个bulk_create()方法，参见：

• https://docs.djangoproject.com/en/dev/ref/models/querysets/#django.db.models.query.QuerySet.bulk_create
• https://docs.djangoproject.com/en/dev/releases/1.4/
• https://code.djangoproject.com/ticket/7596

这并不是Django ORM特有的，但最近我不得不从超过2000个文件中批量插入超过6000万行8列数据到sqlite3数据库中。我了解到以下三件事将插入时间从超过48小时减少到1小时：
1.增加数据库该高速缓存大小设置以使用更多的RAM（默认值总是很小，我使用了3GB）;在sqlite中，这是通过PRAGMA缓存大小= n个页面完成;
1.在RAM而不是磁盘中进行日志记录（如果系统出现故障，这确实会导致轻微的问题，但我认为考虑到磁盘上已经有源数据，这是可以忽略不计的）;在sqlite中，这是通过PRAGMA journal_mode = MEMORY完成
1.最后一个，也许也是最重要一个：插入时不要建立索引。这也意味着不要声明UNIQUE或其他可能导致DB建立索引的约束。只有在插入完成后才建立索引。
正如前面有人提到的，你还应该使用cursor. executemmany（）（或者只是快捷方式conn. executemmany（））。要使用它，请执行以下操作：

cursor.executemany('INSERT INTO mytable (field1, field2, field3) VALUES (?, ?, ?)', iterable_data)

iterable_data可以是一个列表或类似的东西，甚至可以是一个打开的文件读取器。

使用DB-API，使用cursor.executemany()。详情请参阅PEP 249。

我在Django 1.10 / Postgresql 9.4 / Pandas 0.19.0上运行了一些测试，得到了以下时间：

• 分别插入3000行，并使用Django ORM从填充的对象中获取id：3200毫秒
• 使用Pandas DataFrame.to_sql()插入3000行，但不获取ID：774ms
• 使用Django管理器.bulk_create(Model(**df.to_records()))插入3000行，并且不获取ID：574ms
• 插入3000行to_csv到StringIO缓冲区和COPY（cur.copy_from()），但不获取ID：118ms
• 使用to_csv和COPY插入3000行，并通过简单的SELECT WHERE ID > [max ID before insert]获取ID（可能不是线程安全的，除非COPY在表上持有锁，防止同时插入？）：201ms

def bulk_to_sql(df, columns, model_cls):
    """ Inserting 3000 takes 774ms avg """
    engine = ExcelImportProcessor._get_sqlalchemy_engine()
    df[columns].to_sql(model_cls._meta.db_table, con=engine, if_exists='append', index=False)

def bulk_via_csv(df, columns, model_cls):
    """ Inserting 3000 takes 118ms avg """
    engine = ExcelImportProcessor._get_sqlalchemy_engine()
    connection = engine.raw_connection()
    cursor = connection.cursor()
    output = StringIO()
    df[columns].to_csv(output, sep='\t', header=False, index=False)
    output.seek(0)
    contents = output.getvalue()
    cur = connection.cursor()
    cur.copy_from(output, model_cls._meta.db_table, null="", columns=columns)
    connection.commit()
    cur.close()

性能统计数据都是在一个已经包含3,000行的表上获得的，该表在OS X（i7 SSD 16 GB）上运行，平均使用timeit运行10次。
我通过分配一个导入批处理ID并按主键排序来获取插入的主键，尽管我不能100%确定主键总是按照COPY命令序列化行的顺序分配-无论哪种方式都很感激。

2020年更新：

我在Pandas〉= 0.24中测试了新的to_sql(method="multi")功能，它将所有插入放入单个多行插入语句中。令人惊讶的是，性能比单行版本 * 差 *，无论是Pandas版本0.23，0.24或1.1。Pandas的单行插入也比直接向数据库发出的多行插入语句快。这次我在一个更大的数据库中使用更复杂的数据，但是to_csv和cursor.copy_from仍然比最快的替代方案快38%左右，这是一个单行df.to_sql，bulk_import偶尔可以比较，但通常还是慢一些（最多两倍的时间，Django 2.2）。

在http://djangosnippets.org/snippets/446/处还有一个批量插入代码段。
这就给了一个插入命令多个值对（INSERT INTO x（val 1，val 2）VALUES（1，2），（3，4）--等等）。这将极大地提高性能。
它似乎也有大量的记录，这总是一个加号。

如果你想要快速和简单的东西，你可以试试这个：http://djangosnippets.org/snippets/2362/。这是我在一个项目中使用的一个简单的管理器。
另一个代码段就不那么简单了，它真正关注的是关系的批量插入。这只是一个普通的批量插入，只是使用了相同的INSERT查询。

开发Django得到了bulk_create：https://docs.djangoproject.com/en/dev/ref/models/querysets/#django.db.models.query.QuerySet.bulk_create