1. from pandas import *
  2. import pandas as pd
  3. from sqlalchemy import create_engine
  4. engine = create_engine("mysql+pymysql://root:wenwajiao@127.0.0.1:3306/ryandb?charset=UTF8MB4")
    #charset设置用于mysql8.0的新型字符集,清根据你的需要设定
  5. print(engine)
  6. myframe = pd.read_sql("select colname,comment,tblbelongs from colname",con=engine)
  7. print (myframe)

输出结果:

  1. Engine(mysql+pymysql://root:***@127.0.0.1:3306/ryandb?charset=UTF8MB4)
  2.  
  3. comment colname tblbelongs
  4. 铜价格 p_bronze incomedoc_mx
  5. 片含量 c_piece incomedocs_mx
  6. 重量 weight incomedoc_mx
  7. 铁含量 c_iron incomedoc_mx
  8. 铝重量 w_alum incomedoc_mx
  9. 锄头马价格 p_hoeh incomedocs_mx
  10. 货品总成本 totalcost incomedoc_mx
  11. 23尖角含量 c_23sharpa incomedocs_mx
  12. 品名 goodsname None
  13. 每吨毛利 gprofit_perton incomedoc_mx
  14. 采购价 incomeprice incomedoc_mx
  15. 铜重量 w_bronze incomedoc_mx
  16. 片价格 p_piece incomedocs_mx
  17. 无限长重量 w_ulength incomedocs_mx
  18. 铁重量 w_iron incomedoc_mx
  19. 产值 v_produce incomedoc_mx
  20. 35尖角重量 w_35sharpa incomedocs_mx
  21. 无限长价格 p_ulength incomedocs_mx
  22. 无限长含量 c_ulength incomedocs_mx
  23. 铝含量 c_alum incomedoc_mx
  24. 铝价格 p_alum incomedoc_mx
  25. 35尖角含量 c_35sharpa incomedocs_mx
  26. 23尖角重量 w_23sharpa incomedocs_mx
  27. 23尖角价格 p_23sharpa incomedocs_mx
  28. 锄头马含量 c_hoeh incomedocs_mx
  29. 铜含量 c_bronze incomedoc_mx
  30. 铁价格 p_iron incomedoc_mx
  31. 35尖角价格 p_35sharpa incomedocs_mx
  32. 片重量 w_piece incomedocs_mx
  33. 锄头马重量 w_hoeh incomedocs_mx
  34. 35平角重量 w_35flata incomedocs_mx
  35. 35平角价格 p_35flata incomedocs_mx
  36. 每吨成本 cost_perton incomedoc_mx
  37. 35平角含量 c_35flata incomedocs_mx
  38. 货品赢利 profit incomedoc_mx
  39. 光亮铝重量 w_shiningal incomedocs_mx
  40. 光亮铝含量 c_shiningal incomedocs_mx
  41. 条纹片价格 p_stripp incomedocs_mx
  42. 条纹片含量 c_stripp incomedocs_mx
  43. 光亮铝价格 p_shiningal incomedocs_mx
  44. 条纹片重量 w_stripp incomedocs_mx
  45. 索赔金额 h_claim incomedoc
  46. 总成本 h_totalcost incomedoc
  47. 总利润 h_totalprofit incomedoc
  48. 每吨人工 h_perhrcost incomedoc
  49. 总人工 h_totalhrcost incomedoc
  50. 计算日期 h_caldate incomedoc
  51. 利润百分比 h_profitpp incomedoc
  52. 采购日期 h_indate incomedoc
  53. 数据来源 h_filename incomedoc
  54. 品牌 h_brand incomedoc
  55. 批次编号 h_markno incomedoc
  56. 货单编号 h_dno incomedoc
  57. 货品项目 h_item incomedoc
  • 精确打击:现在我要取出 '35尖角重量' 对应的colname, tblbelongs值,这样写
  1. wenwa = myframe.iloc[(myframe['comment']=='35尖角重量').values,[,]]
  2. print(wenwa.iloc[]['tblbelongs'])
  3. print(wenwa.iloc[]['colname'])

输出结果:

  1. incomedocs_mx
  2. w_35sharpa
  • 利用Series组装出一个行列数据,其实就是二维数组,并写入excel文件
  1. wenwa = DataFrame({"comment":Series(['铜价格', '片含量', '重量', '铁含量', '铝重量', '锄头马价格', '货品总成本', '23尖角含量', '品名', '每吨毛利',
    '采购价', '铜重量', '片价格', '无限长重量', '铁重量', '产值', '35尖角重量', '无限长价格', '无限长含量', '铝含量', '铝价格', '35尖角含量',
    '23尖角重量', '23尖角价格', '锄头马含量', '铜含量', '铁价格', '35尖角价格', '片重量', '锄头马重量', '35平角重量', '35平角价格', '每吨成本', '35平角含量',
    '货品赢利'])})
  2. print("组合成series数据类型:\n ",wenwa)
  3. wenwa.to_excel("/root/文档/wenwa.xls",index=False)

输出结果:

  1. comment
  2. 铜价格
  3. 片含量
  4. 重量
  5. 铁含量
  6. 铝重量
  7. 锄头马价格
  8. 货品总成本
  9. 23尖角含量
  10. 品名
  11. 每吨毛利
  12. 采购价
  13. 铜重量
  14. 片价格
  15. 无限长重量
  16. 铁重量
  17. 产值
  18. 35尖角重量
  19. 无限长价格
  20. 无限长含量
  21. 铝含量
  22. 铝价格
  23. 35尖角含量
  24. 23尖角重量
  25. 23尖角价格
  26. 锄头马含量
  27. 铜含量
  28. 铁价格
  29. 35尖角价格
  30. 片重量
  31. 锄头马重量
  32. 35平角重量
  33. 35平角价格
  34. 每吨成本
  35. 35平角含量
  36. 货品赢利

从mysql8.0读取数据并形成pandas dataframe类型数据,精确定位行列式中的元素,并读取的更多相关文章

  1. 用PyQt5来即时显示pandas Dataframe的数据,附qdarkstyle黑夜主题样式(美美哒的黑夜主题)

    import sys from qdarkstyle import load_stylesheet_pyqt5 from PyQt5.QtWidgets import QApplication, QT ...

  2. 如何通过Elasticsearch Scroll快速取出数据,构造pandas dataframe — Python多进程实现

    首先,python 多线程不能充分利用多核CPU的计算资源(只能共用一个CPU),所以得用多进程.笔者从3.7亿数据的索引,取200多万的数据,从取数据到构造pandas dataframe总共大概用 ...

  3. pandas.DataFrame——pd数据框的简单认识、存csv文件

    接着前天的豆瓣书单信息爬取,这一篇文章看一下利用pandas完成对数据的存储. 回想一下我们当时在最后得到了六个列表:img_urls, titles, ratings, authors, detai ...

  4. pandas dataframe类型操作

    用python做数据分析pandas库介绍之DataFrame基本操作   怎样删除list中空字符? 最简单的方法:new_list = [ x for x in li if x != '' ] 这 ...

  5. pandas dataframe重复数据查看.判断.去重

    本文详解如何使用pandas查看dataframe的重复数据,判断是否重复,以及如何去重 dataframe数据样本: import pandas as pd df = pd.DataFrame({' ...

  6. MySQL8.0.x免安装配置

    目录 概述 下载 配置环境变量 编辑配置文件 初始化MySQL 安装MySQL系统(Windows)服务 初始化MySQL 启动MySQL 修改默认密码 开启远程登录 概述 MySQL从5.7一下子跳 ...

  7. CentOS7.5 上使用 bundle 文件安装 MySQL8.0 MySQL5.0

    CentOS7.5 上使用 bundle 文件安装 MySQL8.0 MySQL5.0 CentOS7.5 环境 [root@instance-fjii60o3 ~]# rpm -qi centos- ...

  8. 远程连接centos7中mysql8.0

    远程连接centos7中mysql8.0 1.使用Navicat for MySQL或者其它数据连接软件 2.先检查centos中防火墙是否关闭,如果关闭不需要设置,如果没有关闭防火墙,请打开3306 ...

  9. windows10安装MySQL8.0.27

    1.官网下载安装包:https://dev.mysql.com/downloads/mysql/ 2.将解压文件解压到你安装的目录:D:\mysql-8.0.27-winx64 注意:不要放在有中文名 ...

随机推荐

  1. 《鸟哥的Linux私房菜:基础学习篇》第二部分读书笔记

    一.Linux的文件权限与目录配置 1. Linux用户身份与用户组记录的文件:默认情况下,/etc/passwd记录所有的系统账号与一般身份账号及root的相关信息,/etc/shadow记录个人的 ...

  2. 如何配置虚拟机的ip地址以及如何使用XShell和WinSCP工具

    参考资料:https://blog.csdn.net/phy1997/article/details/78928796

  3. 【LOJ】#3102. 「JSOI2019」神经网络

    LOJ#3102. 「JSOI2019」神经网络 首先我们容易发现就是把树拆成若干条链,然后要求这些链排在一个环上,同一棵树的链不相邻 把树拆成链可以用一个简单(但是需要复杂的分类讨论)的树背包实现 ...

  4. vue的 :class 与 :style 的讲解

    Vue样式: Vue中通过属性绑定为元素的class样式 第一种使用方式:直接传递一个数组 注意:这里的class需要使用v-bind做数据绑定 第二种使用方式:在数组中使用三元表达式 第三种使用方式 ...

  5. iframe/frameset/frame的区别

    目录 iframe iframe属性的用法 iframe属性的取值 iframe的书写格式 frameset frameset的用法(框架模板) frameset属性的属性值 frame frame的 ...

  6. MongoDB数据库、集合、文档的操作

    MongoDB系列第一课:MongDB简介 MongoDB系列第二课:MongDB环境搭建 MongoDB系列第三课:MongDB用户管理 MongoDB系列第四课:MongoDB数据库.集合.文档的 ...

  7. Linux 系统的安全加固

    Linux是一套免费使用和自由传播的类Unix操作系统,作为一个开放源代码的操作系统,Linux服务器以其安全.高效和稳定的显著优势而得以广泛应用,但如果不做好权限的合理分配,Linux系统的安全性还 ...

  8. 面试官:Kafka 如何优化内存缓冲机制造成的频繁 GC 问题?

    Jusfr 原创,转载请注明来自博客园 Request 与 Response 的响应格式 Request 与 Response 都是以 长度+内容 形式描述, 见于 A Guide To The Ka ...

  9. DateTime.TryParse 日期时间字符串验证

    DateTime applicationDatetime = new DateTime(); bool applicationDate = DateTime.TryParse("2019-0 ...

  10. 检查一个string是否包含List<string>中的任意一个

    bool b = listOfStrings.Any(s=>myString.Contains(s)); 应用在where子句中的示例: //获取路径 var groupPaths = grou ...