Python工具箱系列(二十三)

基于游标的操作

游标是数据库操作的相对底层的能力。简单的操作如下：

import mysql.connector
import random

host = 'localhost'
user = 'root'
password = '8848is8848'
dbname = 'demodb'


def fakedata(maxtimes):

# 连接数据库
demodb = mysql.connector.connect(
host=host, user=user, password=password, database=dbname)
democur = demodb.cursor()

# 插入模拟出来的数据。
for _ in range(maxtimes):
pm25 = random.uniform(0, 300)
insertsql = f'insert into demotb(pm25) values({pm25})'
democur.execute(insertsql)

demodb.commit()
democur.close()
demodb.close()


def querydata():

# 连接数据库
demodb = mysql.connector.connect(
host=host, user=user, password=password, database=dbname)
democur = demodb.cursor()

# 进行一个简单的查询，返回多个值
selsql = 'select pm25 from demotb where pm25 >50.0'
democur.execute(selsql)
for i in democur:
print(i)
demodb.commit()
democur.close()
demodb.close()


def queryresult():

# 连接数据库
demodb = mysql.connector.connect(
host=host, user=user, password=password, database=dbname)
democur = demodb.cursor()

# 进行一个简单的查询，返回多个值
selsql = 'select max(pm25) from demotb'
democur.execute(selsql)
result = democur.fetchone()
print(result)
demodb.commit()
democur.close()
demodb.close()


fakedata(10)
querydata()
queryresult()

上述操作是比较底层的，尤其是使用游标操作，只能够是遍历操作，然后依次处理数据。为此，需要引入更加抽象与高层的工具。

基于pandas的操作

pandas虽然字面意思是熊猫，但实际上它是一个强力的数据分析工具框架。网上对于pandas的介绍非常多，但笔者还是推荐直接看官方文档更好。使用pandas访问数据库的代码如下：

import mysql.connector
import pandas as pd

host = 'localhost'
user = 'root'
password = '8848is8848'
dbname = 'demodb'


def querydata():

# 连接数据库
demodb = mysql.connector.connect(
host=host, user=user, password=password, database=dbname)

# 进行一个简单的查询，返回多个值
selsql = 'select pm25 from demotb where pm25 >50.0'
listpd = pd.read_sql(selsql, demodb)
demodb.close()
print(listpd)


querydata()

此时返回的输出结果如下所示：

      pm25
0   80.6221
1  192.4580
2  291.4450
3  279.8550
4   92.3528
5  107.4040
6  144.2040
7  213.5120
8  226.6060

如下所示，pandas使用DataFrame来管理记录，其输出本身就具有表格的特性，与数据库表也很相似，理解与操作起来非常方便。

在新版本的pandas中，上述代码会引起警告，建议改成SQLAlchemy connectable(engine/connection)，后续代码将引入这种升级的连接方式。