pandas操作mysql

需要用到三個第三方庫：

pandas、sqlalchemy、pymysql

其中，pandas模塊提供了read_sql_query（）函數實現了對數據庫的查詢，to_sql（）函數實現了對數據庫的寫入。並不需要實現新建MySQL數據表。

1.根據庫的文檔，我們看到to_sql函數支持兩類mysql引擎一個是sqlalchemy，另一個是sqlliet3.沒錯，在你寫入庫的時候，pymysql是不能用的！！！

mysqldb也是不能用的，你只能使用sqlalchemy或者sqlliet3！！鑒於sqllift3已經很久沒有更新了，筆者這里建議使用sqlalchemy！！

 2.to_sql函數並不在pd之中，而是在io.sql之中，是sql腳本下的一個類！！！所以to_sql的最好寫法就是：

　　pd.io.sql.to_sql(df1,tablename,con=conn,if_exists='repalce') 

下面將介紹一個簡單的例子來展示如何在pandas中實現對MySQL數據庫的讀寫：

 1 import pandas as pd
 2 from sqlalchemy import create_engine
 3 # 初始化數據庫連接，使用pymysql模塊
 4 # MySQL的用戶：root, 密碼:147369, 端口：3306,數據庫：test
 5 engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
 6 # 查詢語句，選出employee表中的所有數據
 7 sql = ''' select * from employee; '''
 8 # read_sql_query的兩個參數: sql語句， 數據庫連接
 9 df = pd.read_sql_query(sql, engine)
10 # 輸出employee表的查詢結果
11 print(df)
12 
13 # 新建pandas中的DataFrame, 只有id,num兩列
14 df = pd.DataFrame({'id': [1, 2, 3, 4], 'name': ['zhangsan', 'lisi', 'wangwu', 'zhuliu']})
15 # 將新建的DataFrame儲存為MySQL中的數據表，儲存index列
16 df.to_sql('mydf', engine, index=True)
17 print('Read from and write to Mysql table successfully!')