目錄
- 1、read_sql_query 讀取 mysql
- 2、to_sql 寫(xiě)入數(shù)據(jù)庫(kù)
要實(shí)現(xiàn) pandas 對(duì) mysql 的讀寫(xiě)需要三個(gè)庫(kù)
- pandas
- sqlalchemy
- pymysql
可能有的同學(xué)會(huì)問(wèn)，單獨(dú)用 pymysql 或 sqlalchemy 來(lái)讀寫(xiě)數(shù)據(jù)庫(kù)不香么，為什么要同時(shí)用三個(gè)庫(kù)？主要是使用場(chǎng)景不同，個(gè)人覺(jué)得就大數(shù)據(jù)處理而言，用 pandas 讀寫(xiě)數(shù)據(jù)庫(kù)更加便捷。
1、read_sql_query 讀取 mysql
read_sql_query 或 read_sql 方法傳入?yún)?shù)均為 sql 語(yǔ)句，讀取數(shù)據(jù)庫(kù)后，返回內(nèi)容是 dateframe 對(duì)象。普及一下：dateframe 其實(shí)也是一種數(shù)據(jù)結(jié)構(gòu)，類(lèi)似 excel 表格一樣。
import pandas
from sqlalchemy import create_engine
class mysqlconn:
def __init__(self):
mysql_username = 'root'
mysql_password = '123456'
# 填寫(xiě)真實(shí)數(shù)庫(kù)ip
mysql_ip = 'x.x.x.x'
port = 3306
db = 'work'
# 初始化數(shù)據(jù)庫(kù)連接,使用pymysql庫(kù)
self.engine = create_engine('mysql+pymysql://{}:{}@{}:{}/{}'.format(mysql_username, mysql_password, mysql_ip, port,db))
# 查詢(xún)mysql數(shù)據(jù)庫(kù)
def query(self,sql):
df = pandas.read_sql_query(sql,self.engine)
# df = pandas.read_sql(sql,self.engine) 這種讀取方式也可以
# 返回dateframe格式
return df
if __name__ =='__main__':
# 查詢(xún)的 sql 語(yǔ)句
SQL = '''select * from working_time order by id desc '''
# 調(diào)用 mysqlconn 類(lèi)的 query() 方法
df_data = mysqlconn().query(sql=SQL)
2、to_sql 寫(xiě)入數(shù)據(jù)庫(kù)
使用 to_sql 方法寫(xiě)入數(shù)據(jù)庫(kù)之前，先把數(shù)據(jù)轉(zhuǎn)化成 dateframe 。
import pandas
from sqlalchemy import create_engine
class mysqlconn:
def __init__(self):
mysql_username = 'root'
mysql_password = '123456'
# 填寫(xiě)真實(shí)數(shù)庫(kù)ip
mysql_ip = 'mysql.mall.svc.test.local'
port = 3306
db = 'work'
# 初始化數(shù)據(jù)庫(kù)連接,使用pymysql庫(kù)
self.engine = create_engine('mysql+pymysql://{}:{}@{}:{}/{}'.format(mysql_username, mysql_password, mysql_ip, port,db))
# 查詢(xún)mysql數(shù)據(jù)庫(kù)
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
# 寫(xiě)入mysql數(shù)據(jù)庫(kù)
def to_sql(self,table,df):
# 第一個(gè)參數(shù)是表名
# if_exists:有三個(gè)值 fail、replace、append
# 1.fail:如果表存在，啥也不做
# 2.replace:如果表存在，刪了表，再建立一個(gè)新表，把數(shù)據(jù)插入
# 3.append:如果表存在，把數(shù)據(jù)插入，如果表不存在創(chuàng)建一個(gè)表！！
# index 是否儲(chǔ)存index列
df.to_sql(table, con=self.engine, if_exists='append', index=False)
if __name__ =='__main__':
# 創(chuàng)建 dateframe 對(duì)象
df = pandas.DataFrame([{'name':'小米','price':'3999','colour':'白色'},{'name':'華為','price':'4999','colour':'黑色'}])
# 調(diào)用 mysqlconn 類(lèi)的 to_sql() 方法
mysqlconn().to_sql('phonetest',df)
插入數(shù)據(jù)庫(kù)的數(shù)據(jù)：
以上就是python基于Pandas讀寫(xiě)MySQL數(shù)據(jù)庫(kù)的詳細(xì)內(nèi)容，更多關(guān)于Python讀寫(xiě)MySQL數(shù)據(jù)庫(kù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:- Python 讀寫(xiě) Matlab Mat 格式數(shù)據(jù)的操作
- 解決python3 json數(shù)據(jù)包含中文的讀寫(xiě)問(wèn)題
- python里讀寫(xiě)excel等數(shù)據(jù)文件的6種常用方式(小結(jié))
- python讀寫(xiě)數(shù)據(jù)讀寫(xiě)csv文件(pandas用法)
- Python web框架(django,flask)實(shí)現(xiàn)mysql數(shù)據(jù)庫(kù)讀寫(xiě)分離的示例
- python讀寫(xiě)excel數(shù)據(jù)--pandas詳解
