使用python语言，把批量 Excel 文件中的数据导入 SQLite 数据库（使用 executemany()实现批量数据导入； 通过减少事务提交次数提高速度）。

在Python中，你可以使用pandas库读取Excel文件，然后将数据转换成SQLAlchemy可以处理的对象（比如DataFrame），再使用sqlite3库连接SQLite数据库并运用`executemany()`函数批量插入数据。以下是一个基本步骤的示例：

首先，安装必要的库：

pip install pandas sqlalchemy pysqlite3

然后，你可以这样做：

import pandas as pd
from sqlalchemy import create_engine, Table, MetaData, select
from sqlalchemy.orm import sessionmaker

# 创建一个到SQLite数据库的引擎
engine = create_engine('sqlite:///my_database.db')

# 读取Excel文件
xls = pd.read_excel('batch_files.xlsx')

# 将pandas DataFrame转换为SQLAlchemy表对象
metadata = MetaData()
table_name = 'my_table'
table = Table(table_name, metadata, autoload_with=engine)

# 创建Session对象
Session = sessionmaker(bind=engine)
session = Session()

# 使用executemany()批量插入数据
data_to_insert = table.columns[:]   # 获取列名列表作为占位符
insert_query = insert(table).values(data_to_insert)   # 构造插入语句
session.execute(insert_query, xls.to_dict(orient='records'))

# 提交事务（如果有必要）
session.commit()

# 关闭连接
session.close()

这个例子中，我们将每一行Excel数据转换为字典列表，然后一次性插入到数据库，减少了频繁的事务提交，提高了效率。注意，如果你的数据量非常大，可能会消耗大量内存，这时可以考虑分批插入或者使用其他更高效的批量导入方法。