本文实例讲述了python操作mysql数据库的两种方式。分享给大家供大家参考，具体如下：
第一种 使用pymysql
代码如下：
|
1
2
3
4
5
6
7
8
9
10
|
import pymysql
#打开数据库连接
db=pymysql.connect(host='1.1.1.1',port=3306,user='root',passwd='123123',db='test',charset='utf8')
cursor=db.cursor()#使用cursor()方法获取操作游标
sql = "select * from test0811"
cursor.execute(sql)
info = cursor.fetchall()
db.commit()
cursor.close() #关闭游标
db.close()#关闭数据库连接
|
数据表test0811的内容和上边的代码读出来的内容分别是
pymysql是python操作mysql数据库的模块。首先引入pymysql模块
|
1
|
import pymysql
|
使用pymysql的connect()方法连接数据库，connect的几个参数解释如下：
- host：mysql服务的地址，若数据库在本地上，使用localhost或者127.0.0.1。如果在其它的服务器上，应该写ip地址。
- port：服务的端口号，默认为3306，如果不写，为默认值。
- user：登录数据库的用户名
- passwd：user账户登录mysql的密码
- db：将要操作的数据库的名字
- charset：设置为utf8编码，这样就可以存入汉字没有乱码
注意：除了port=3306不用引号，其它项的值都有用引号括起来
代码中的db就架起了python和mysql通信的桥梁，db.cursor()表示返回连接的游标对象，通过游标执行sql语句。还有几个常用的方法是commit()表示提交数据库修改，rollback()表示回滚，就是取消当前的操作，close()表示关闭连接。
上面讲的是连接对象db的一些方法，游标对象的一些方法也很重要，利用游标对象的方法就可以对数据库进行操作了，游标对象的常用方法如下表：
| 名称 | 描述 |
|---|---|
| close() | 关闭游标，之后游标不可用 |
| execute(query[,args]) | 执行一条sql语句，可以带参数 |
| executemany(query,pseq) | 对序列pseq中的每个参数执行sql语句 |
| fetchone() | 返回一条查询结果 |
| fetchall() | 返回所有查询结果 |
| fetchmany([size]) | 返回size条查询结果 |
| nextset() | 移动到下一条结果 |
| scroll(value,mode='relative') | 移动游标到指定行，如果mode='relative'，则表示从当前行移动value条，如果mode=‘absolute'，则表示从结果集的第一行移动value条 |
到这里就基本把pymysql的基本用法讲清楚了，剩下的对数据库的操作（增删改查）就是sql语句的事情了。虽然sql语句很强大，但有时候也会显得力不从心，python的灵活加上sql的强大才可以做更多的事情，而pymysql只是充当工具、桥梁的作用。从代码运行的结果中（第二幅图）发现读出来的结果是存放在二维元组中的，即((1, '小红', '80'),(2, '小明', '90'),(3, '小美', '87'),(4, 'gg', '67'),(5, 'mm', '78'))，但是元组不可改变，只能读出，对于数据处理还有些不便，下面第二种方法就是把数据读出存放在dataframe中，便于处理。
第二种 使用pandas
代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import pandas as pd
from sqlalchemy import create_engine
from sqlalchemy.types import char,int
connect_info = 'mysql+pymysql://username:passwd@host:3306/dbname?charset=utf8'
engine = create_engine(connect_info) #use sqlalchemy to build link-engine
sql = "select * from test0811" #sql query
df = pd.read_sql(sql=sql, con=engine) #read data to dataframe 'df'
#write df to table 'test1'
df.to_sql(name = 'test1',
con = engine,
if_exists = 'append',
index = false,
dtype = {'id': int(),
'name': char(length=2),
'score': char(length=2)
}
)
|
pandas的dataframe数据格式有行索引和列索引，使用dataframe来存储数据库表中的数据会十分方便。使用pandas中的read_sql和to_sql函数从mysql数据库中读写数据。两个函数介绍如下。
pandas.read_sql
pandas.read_sql的文档中有详细的各个参数的英文介绍（不要排斥看英文，虚心向老外学习），参考资料 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_sql.html
常用的参数是sql：sql命令或者表名字，con：连接数据库的引擎，可以用sqlalchemy或者pymysql建立，从数据库读数据的基本用法给出sql和con就可以了。其它都是默认参数，有特殊需求才会用到，有兴趣的话可以查看文档。
代码中的con是使用sqlalchem构建数据库连接引擎，即sqlalchemy.create_engine( )。这个函数基于一个url来产生一个引擎对象，url通常包含了数据库的相关信息，典型的形式是：
|
1
|
dialect+driver://username:password@host:port/database
|
dialect表示数据库的名字，比如sqlite，mysql，postgresql，oracle，mssql等，driver是用于连接数据库的dbapi的名字，这里用的是pymysql（python 3.x，在python 2.x中用的是mysqldb），如果这一项不指定，将使用默认的dbapi。
除了使用sqlalchemy创建engine外，还可以直接使用dbapi创建engine，代码如下：
|
1
2
|
con = pymysql.connect(host=localhost, user=username, password=password, database=dbname, charset='utf8')
df = pd.read_sql(sql, con)
|
pandas.dataframe.to_sql
主要参数介绍如下，详细文档参考http://pandas.pydata.org/pandas-docs/stable/generated/pandas.dataframe.to_sql.html
- name：输出的表名
- con：连接数据库的引擎
- if_exists：三种模式{“fail”,“replace”,"append"}，默认是"fail"。fail：若表存在，引发一个valueerror；replace：若表存在，覆盖原来表内数据；append：若表存在，将数据写到原表数据的后面。
- index：是否将dataframe的index单独写到一列中，默认为“true”
- index_label：当index为true时，指定列作为dataframe的index输出
- dtype：指定列的数据类型，字典形式存储{column_name: sql_dtype}，常见数据类型是sqlalchemy.types.int()和sqlalchemy.types.char(length=x)。注意：int和char都需要大写，int()不用指定长度。
参考资料：
http://www.zzvips.com/article/169048.html
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_sql.html
http://docs.sqlalchemy.org/en/latest/core/engines.html
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.to_sql.html
希望本文所述对大家python程序设计有所帮助。
原文链接：https://blog.csdn.net/heshiliqiu/article/details/81590685