100天精通Python（数据分析篇）——第58天：Pandas读写数据库（read_sql、to_sql）

每篇前言

• 作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6

• 本文已收录于Python全栈系列专栏：《100天精通Python从入门到就业》
• ​​此专栏文章是专门针对Python零基础小白所准备的一套完整教学，从0到100的不断进阶深入的学习，各知识点环环相扣
• 订阅专栏后续可以阅读Python从入门到就业100篇文章；还可私聊进两百人Python全栈交流群（手把手教学，问题解答）； 进群可领取80GPython全栈教程视频 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
• 加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！

---

支持大部分主流关系型数据库，例如MySQL，需要相应的数据库模块支持，相应接口为read_sql()和to_sql()

一、read_sql()

语法格式：

pandas.read_sql(
    sql,
    con,
    index_col: str | Sequence[str] | None = None,
    coerce_float: bool = True,
    params=None,
    parse_dates=None,
    columns=None,
    chunksize: int | None = None,
) 

参数说明：

• sql：需要执行的sql语句

• con：连接sql数据库的engine，通常用sqlalchemy （首选）、pymysql等包建立

• index_col：选择哪列作为index

• coerce_float：将数字形字符串转为float

• params：list，tuple或dict，optional，default：None; 要传递给执行方法的参数列表。

• parse_dates：将某列日期型字符串转换为datetime型数据

• columns：选择想要保留的列。这个参数很少用到，因为一般SQL里面就选择需要的列了

• chunksize：每次输出多少行数据

1. sql

需要执行的sql语句，类型为字符串

# 需要执行的SQL语句
sql  = "SELECT * FROM table"

2. con

连接sql数据库的engine，通常用sqlalchemy （首选）、pymysql等包建立

（1）方式1：sqlalchemy

import pandas as pd
import sqlalchemy

# 创建数据库连接
conn= sqlalchemy.create_engine('mssql+pymssql://账号:密码@服务器地址:端口号/库名')
# 需要查询的sql语句
sql = "SELECT * FROM table"

data_df = pd.read_sql(sql, conn)

（2）方式2：pymysql，其他数据库也是同理

import pymysql
import pandas as pd

# 创建数据连接
conn = pymysql.connect(
    host='服务器地址',
    port=端口号,
    user=账号,
    passwd=密码,
    db=库名,
    charset='utf8'
)

# 需要查询的sql语句
sql = "SELECT * FROM table"

data_df = pd.read_sql(sql, conn)

表中数据如下：

运行结果：

3. index_col

选择哪列作为index。字符串或字符串列表，可选，默认值：无

（1）接收字符串：

import pandas as pd
import sqlalchemy
import pymysql

# 创建数据库连接
conn = pymysql.connect(host="127.0.0.1",
                       user="root",
                       password="123456",
                       database="test")
sql = "SELECT * FROM test1"
# 已id列作为索引
data = pd.read_sql(sql, conn, index_col='id')

print(data)

运行结果：

（2）接收列表：

import pandas as pd
import sqlalchemy
import pymysql

# 创建数据库连接
conn = pymysql.connect(host="127.0.0.1",
                       user="root",
                       password="123456",
                       database="test")
sql = "SELECT * FROM test1"
# 以id、name两列为索引
data = pd.read_sql(sql, conn, index_col=['id','name'])

print(data)

运行结果：

4. coerce_float

接收boolean，默认为True。尝试将非字符串，非数字对象（如decimal.Decimal）的值转换为浮点，这对SQL结果集很有用。

5. params

检查数据库驱动程序文档。接收参数：list，tuple或dict，optional，default：None，要传递给执行方法的参数列表。用于传递参数的语法取决于数据库驱动程序。

import pandas as pd
import sqlalchemy
import pymysql

# 创建数据库连接
conn = pymysql.connect(host="127.0.0.1",
                       user="root",
                       password="123456",
                       database="test")
sql = "SELECT * FROM  test1 WHERE id BETWEEN %(low)s and %(high)s"
# 查询id在1-2之间的数据
data = pd.read_sql(sql, conn, params={"low": 1, "high": 2})

print(data)

运行结果：

6. parse_dates

将某列日期型字符串转换为datetime型数据，与pd.to_datetime()函数功能类似。接收参数：list or dict, default: None，列表或者字典，默认为 None

（1）接收字符串：

import pandas as pd
import sqlalchemy
import pymysql

# 创建数据库连接
conn = pymysql.connect(host="127.0.0.1",
                       user="root",
                       password="123456",
                       database="test")
sql = "SELECT * FROM  test1"

data = pd.read_sql(sql, conn, parse_dates=['create_time'])
print(data)
print(data.dtypes)

运行结果：

（2）接收字典：

import pandas as pd
import sqlalchemy
import pymysql

# 创建数据库连接
conn = pymysql.connect(host="127.0.0.1",
                       user="root",
                       password="123456",
                       database="test")
sql = "SELECT * FROM  test1"

data = pd.read_sql(sql, conn, parse_dates={'create_time': {"format": "%Y:%m:%H:%M:%S"}})
print(data)
print(data.dtypes)

7. columns

选择想要保留输出的列，接收类型列表字符串。这个参数很少用到，因为一般SQL里面就选择需要的列了

import pandas as pd
import sqlalchemy
import pymysql

# 创建数据库连接
conn = pymysql.connect(host="127.0.0.1",
                       user="root",
                       password="123456",
                       database="test")
sql = "SELECT * FROM  test1"
# 读取id、name两列
data = pd.read_sql(sql, conn, columns=['id', 'name'])
print(data)

8. chunksize

设置整数，如20000，⼀次写⼊数据时的数据⾏数量，当数据量很⼤时，需要设置，否则会链接超时写⼊失败。设置后返回一个迭代器对象

import pandas as pd
import sqlalchemy
import pymysql

# 创建数据库连接
conn = pymysql.connect(host="127.0.0.1",
                       user="root",
                       password="123456",
                       database="test")
sql = "SELECT * FROM  test1"
# 查询id在1-2之间的数据
data = pd.read_sql(sql, conn, chunksize=3)
print(data)

运行结果：

二、to_sql()

语法格式：

pd.to_sql(
        self,
        name: str,
        con,
        schema=None,
        if_exists: str = "fail",
        index: bool_t = True,
        index_label=None,
        chunksize=None,
        dtype: DtypeArg | None = None,
        method=None,
    ) -> None:

参数说明：

• name：指定插入数据的数据库中的表名。
• con：与read_sql中相同，数据库连接的驱动。推荐使⽤sqlalchemy的engine类型
• schema：相应数据库的引擎，不设置则使⽤数据库的默认引擎，如mysql中的innodb引擎
• if_exists：当数据库中已经存在数据表时对数据表的操作，有replace替换、append追加，fail则当表存在时提⽰
• index：是否写入DataFrame对象的索引。默认TRUE写入
• index_label：当上⼀个参数index为True时，设置写⼊数据表时index的列名称
• chunksize：设置整数，如20000，⼀次写⼊数据时的数据⾏数量，当数据量很⼤时，需要设置，否则会链接超时写⼊失败。
• dtype: 指定列的输出到数据库中的数据类型。字典形式储存：{column_name: sql_dtype}

1. name

需要操作数据库的表名，接收字符串类型。

2. con

与read_sql中相同，数据库连接的驱动。推荐使⽤sqlalchemy的engine类型

3. schema

相应数据库的引擎，不设置则使⽤数据库的默认引擎，如mysql中的innodb引擎

4. if_exists

当数据库中的这个表存在的时候，采取的措施是什么，包括三个值，默认为fail

• fail：若表不存在新建表；若表存在，则报错
• replace：将数据库表中的数据覆盖
• append（常用）：在数据表后面追加数据

（1）fail：

import pandas as pd
from sqlalchemy import create_engine

data = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}
df = pd.DataFrame(data)
print(df)

con = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
df.to_sql('test2', con, if_exists='fail')

运行结果：直接给我们创建了新表

（2）replace：

import pandas as pd
from sqlalchemy import create_engine

# 把名字修改了
data = {'name': ['张三', '李四', '王五'], 'age': [10, 20, 30]}
df = pd.DataFrame(data)
print(df)

con = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
df.to_sql('test2', con, if_exists='replace')

运行结果：

（3）append：

import pandas as pd
from sqlalchemy import create_engine

data = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}
df = pd.DataFrame(data)
print(df)

con = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
df.to_sql('test2', con, if_exists='append')

运行结果：

5. index

对DataFrame的index索引的处理，为True时索引也将作为数据写⼊数据表

（1）index=TRUE：

import pandas as pd
from sqlalchemy import create_engine

data = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}
df = pd.DataFrame(data)
print(df)

con = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
df.to_sql('test2', con, if_exists='fail',index=True)

运行结果：直接给我们创建了新表

（2）index=False：

import pandas as pd
from sqlalchemy import create_engine

data = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}
df = pd.DataFrame(data)
print(df)

con = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
df.to_sql('test3', con, if_exists='fail', index=False)

运行结果：

6. index_label

当上⼀个参数index为True时，可以修改写⼊数据表时index的列名称，接收列表类型参数。

import pandas as pd
from sqlalchemy import create_engine

data = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}
df = pd.DataFrame(data)
print(df)

con = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
df.to_sql('test4', con, if_exists='fail', index=True, index_label='RID')

运行结果：可以看到索引列名已修改

7. chunksize

设置整数，如20000，⼀次写⼊数据时的数据⾏数量，当数据量很⼤时，需要设置，否则会链接超时写⼊失败。

8. dtype

指定列的输出到数据库中的数据类型。字典形式储存：{column_name: sql_dtype}

import pandas as pd
from sqlalchemy import create_engine
import sqlalchemy

data = {'name': ['小红', '小明', '小白'], 'age': [10, 20, 30]}
df = pd.DataFrame(data)
print(df)
# 设置数据库字段类型
dtype = {'name': sqlalchemy.types.VARCHAR(length=255),
        'age': sqlalchemy.types.INT,
}

con = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
df.to_sql('test6', con, if_exists='fail', index=False,dtype=dtype)

运行结果：