数据可视化基础专题（四）：Pandas基础（三） mysql导入与导出

转载（有添加、修改）
作者：但盼风雨来_jc
链接：https://www.jianshu.com/p/238a13995b2b
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

本次分享将介绍如何在Python中使用Pandas库实现MySQL数据库的读写。首先我们需要了解点ORM方面的知识

ORM技术

  对象关系映射技术，即ORM（Object-Relational Mapping）技术，指的是把关系数据库的表结构映射到对象上，通过使用描述对象和数据库之间映射的元数据，将程序中的对象自动持久化到关系数据库中。
  在Python中，最有名的ORM框架是SQLAlchemy。Java中典型的ORM中间件有:Hibernate,ibatis,speedframework。

SQLAlchemy

  SQLAlchemy是Python编程语言下的一款开源软件。提供了SQL工具包及对象关系映射（ORM）工具，使用MIT许可证发行

SQLAlchemy模块提供了create_engine()函数用来初始化数据库连接，SQLAlchemy用一个字符串表示连接信息：

'数据库类型+数据库驱动名称://用户名:口令@机器地址:端口号/数据库名'

Pandas读写MySQL数据库

  我们需要以下三个库来实现Pandas读写MySQL数据库：

• pandas
• sqlalchemy
• pymysql

　　其中，pandas模块提供了read_sql_query（）函数实现了对数据库的查询，to_sql（）函数实现了对数据库的写入。并不需要实现新建MySQL数据表。

sqlalchemy模块实现了与不同数据库的连接，而pymysql模块则使得Python能够操作MySQL数据库。
  我们将使用MySQL数据库中的mydb数据库以及employee表，内容如下：

　　注意：

• 1.根据库的文档，我们看到to_sql函数支持两类mysql引擎一个是sqlalchemy，另一个是sqlliet3.没错，在你写入库的时候，pymysql是不能用的！！！
  • • mysqldb也是不能用的，你只能使用sqlalchemy或者sqlliet3！！鉴于sqllift3已经很久没有更新了，笔者这里建议使用sqlalchemy！！

• 2.to_sql函数并不在pd之中，而是在io.sql之中，是sql脚本下的一个类！！！所以to_sql的最好写法就是：
  • • pd.io.sql.to_sql(df1,tablename,con=conn,if_exists='repalce')                 qq_34685317的博客

　　下面将介绍一个简单的例子来展示如何在pandas中实现对MySQL数据库的读写：

 1 import pandas as pd
 2 from sqlalchemy import create_engine
 3 # 初始化数据库连接，使用pymysql模块
 4 # MySQL的用户：root, 密码:147369, 端口：3306,数据库：test
 5 engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
 6 # 查询语句，选出employee表中的所有数据
 7 sql = ''' select * from employee; '''
 8 # read_sql_query的两个参数: sql语句， 数据库连接
 9 df = pd.read_sql_query(sql, engine)
10 # 输出employee表的查询结果
11 print(df)
12
13 # 新建pandas中的DataFrame, 只有id,num两列
14 df = pd.DataFrame({'id': [1, 2, 3, 4], 'name': ['zhangsan', 'lisi', 'wangwu', 'zhuliu']})
15 # 将新建的DataFrame储存为MySQL中的数据表，储存index列
16 df.to_sql('mydf', engine, index=True)
17 print('Read from and write to Mysql table successfully!')

运行结果：

这说明我们确实将pandas中新建的DataFrame写入到了MySQL中！

将CSV文件写入到MySQL中

以上的例子实现了使用Pandas库实现MySQL数据库的读写，我们将再介绍一个实例：将CSV文件写入到MySQL中，示例的example.csv文件如下

示例的Python代码如下：

 1 # -*- coding: utf-8 -*-
 2
 3 # 导入必要模块
 4 import pandas as pd
 5 from sqlalchemy import create_engine
 6
 7 # 初始化数据库连接，使用pymysql模块
 8 db_info = {'user': 'root',
 9            'password': '123456',
10            'host': 'localhost',
11            'port': 3306,
12            'database': 'test'
13            }
14
15 engine = create_engine('mysql+pymysql://%(user)s:%(password)s@%(host)s:%(port)d/%(database)s?charset=utf8' % db_info, encoding='utf-8')
16 # 直接使用下一种形式也可以
17 # engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
18
19 # 读取本地CSV文件
20 df = pd.read_csv("C:/Users/fuqia/Desktop/example.csv", sep=',')
21 print(df)
22 # 将新建的DataFrame储存为MySQL中的数据表，不储存index列(index=False)
23 # if_exists:
24 # 1.fail:如果表存在，啥也不做
25 # 2.replace:如果表存在，删了表，再建立一个新表，把数据插入
26 # 3.append:如果表存在，把数据插入，如果表不存在创建一个表！！
27 pd.io.sql.to_sql(df, 'example', con=engine, index=False, if_exists='replace')
28 # df.to_sql('example', con=engine,  if_exists='replace')这种形式也可以
29 print("Write to MySQL successfully!")

在MySQL中查看example表格

补充：engine.execute(sql)可以直接执行sql语句：

1 from sqlalchemy import create_engine
2
3
4 engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
5 sql = "DROP TABLE IF EXISTS example"
6 engine.execute(sql)

如果用pymysql，则必须用cursor，读者可以对比一下。

1 import pymysql
2 from sqlalchemy import create_engine
3
4 conn = pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd='123456', db='test')
5 # engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
6 sql = "DROP TABLE IF EXISTS test_input"
7 cursor = conn.cursor()
8 cursor.execute(sql)

总结

本文主要介绍了ORM技术以及SQLAlchemy模块，并且展示了两个Python程序的实例，介绍了如何使用Pandas库实现MySQL数据库的读写。

程序本身并不难，关键在于多多练习