要实现 pandas 对 mysql 的读写需要三个库
- pandas
- sqlalchemy
- pymysql
可能有的同学会问,单独用 pymysql 或 sqlalchemy 来读写数据库不香么,为什么要同时用三个库?主要是使用场景不同,个人觉得就大数据处理而言,用 pandas 读写数据库更加便捷。
1、read_sql_query 读取 mysql
read_sql_query 或 read_sql 方法传入参数均为 sql 语句,读取数据库后,返回内容是 dateframe 对象。普及一下:dateframe 其实也是一种数据结构,类似 excel 表格一样。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
import pandas
from sqlalchemy import create_engine
class mysqlconn:
def __init__( self ):
mysql_username = 'root'
mysql_password = '123456'
# 填写真实数库ip
mysql_ip = 'x.x.x.x'
port = 3306
db = 'work'
# 初始化数据库连接,使用pymysql库
self .engine = create_engine( 'mysql+pymysql://{}:{}@{}:{}/{}' . format (mysql_username, mysql_password, mysql_ip, port,db))
# 查询mysql数据库
def query( self ,sql):
df = pandas.read_sql_query(sql, self .engine)
# df = pandas.read_sql(sql,self.engine) 这种读取方式也可以
# 返回dateframe格式
return df
if __name__ = = '__main__' :
# 查询的 sql 语句
SQL = '''select * from working_time order by id desc '''
# 调用 mysqlconn 类的 query() 方法
df_data = mysqlconn().query(sql = SQL)
|
2、to_sql 写入数据库
使用 to_sql 方法写入数据库之前,先把数据转化成 dateframe 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
import pandas
from sqlalchemy import create_engine
class mysqlconn:
def __init__( self ):
mysql_username = 'root'
mysql_password = '123456'
# 填写真实数库ip
mysql_ip = 'mysql.mall.svc.test.local'
port = 3306
db = 'work'
# 初始化数据库连接,使用pymysql库
self .engine = create_engine( 'mysql+pymysql://{}:{}@{}:{}/{}' . format (mysql_username, mysql_password, mysql_ip, port,db))
# 查询mysql数据库
def query( self ,sql):
df = pandas.read_sql_query(sql, self .engine)
# df = pandas.read_sql(sql,self.engine)
# 返回dateframe格式
return df
# 写入mysql数据库
def to_sql( self ,table,df):
# 第一个参数是表名
# if_exists:有三个值 fail、replace、append
# 1.fail:如果表存在,啥也不做
# 2.replace:如果表存在,删了表,再建立一个新表,把数据插入
# 3.append:如果表存在,把数据插入,如果表不存在创建一个表!!
# index 是否储存index列
df.to_sql(table, con = self .engine, if_exists = 'append' , index = False )
if __name__ = = '__main__' :
# 创建 dateframe 对象
df = pandas.DataFrame([{ 'name' : '小米' , 'price' : '3999' , 'colour' : '白色' },{ 'name' : '华为' , 'price' : '4999' , 'colour' : '黑色' }])
# 调用 mysqlconn 类的 to_sql() 方法
mysqlconn().to_sql( 'phonetest' ,df)
|
插入数据库的数据:
以上就是python基于Pandas读写MySQL数据库的详细内容,更多关于Python读写MySQL数据库的资料请关注服务器之家其它相关文章!
原文链接:https://www.cnblogs.com/shenh/p/14542409.html