---

一、read_sql()

• 功能

將 SQL 查詢/數(shù)據(jù)庫表讀入 DataFrame。

• 語法

• • 讀取數(shù)據(jù)庫（通過SQL語句或表名）

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) -> ‘DataFrame | Iterator[DataFrame]’

• • 讀取自定義數(shù)據(jù)（通過SQL語句）

pandas.read_sql_query(sql, con, index_col=None, coerce_float: ‘bool’ = True, params=None, parse_dates=None, chunksize: ‘int | None’ = None, dtype: ‘DtypeArg | None’ = None) -> ‘DataFrame | Iterator[DataFrame]’

• • 讀取整張表于DataFrame格式（通過表名）

pandas.read_sql_table(table_name: ‘str’, con, schema: ‘str | None’ = None, index_col: ‘str | Sequence[str] | None’ = None, coerce_float: ‘bool’ = True, parse_dates=None, columns=None, chunksize: ‘int | None’ = None) -> ‘DataFrame | Iterator[DataFrame]’

read_sql是綜合了read_sql_table和read_sql_query的，所以一般用read_sql就好了。

• 基本參數(shù)

名稱	說明
sql	要執(zhí)行的數(shù)據(jù)庫或SQL命令字符串。
con	連接sql數(shù)據(jù)庫的engine，一般可以用SQLalchemy或者pymysql之類的包建立。
index_col	選擇某1列或幾列作為index（或MultiIndex），字符串或字符串列表。
coerce_float	布爾值，將數(shù)字形式的字符串直接以float型讀入，默認為True。
params	執(zhí)行查詢時傳遞的參數(shù)。
parse_dates	將某一列日期型字符串轉(zhuǎn)換為datetime型數(shù)據(jù)，與pd.to_datetime函數(shù)功能類似?？梢灾苯犹峁┬枰D(zhuǎn)換的列名以默認的日期形式轉(zhuǎn)換，也可以用字典的格式提供列名和轉(zhuǎn)換的日期格式：比如{column_name: format string}(format string：“%Y:%m:%H:%M:%S”)。
columns	要選取的列。一般沒啥用，因為在sql命令里面一般就指定要選擇的列了。
chunksize	如果提供了一個整數(shù)值，那么就會返回一個generator，每次輸出的行數(shù)就是提供的值的大小。

二、to_sql()

• 功能

將DataFrame寫入SQL數(shù)據(jù)庫表。

• 語法

to_sql(name: ‘str’, con, schema=None, if_exists: ‘str’ = ‘fail’, index: ‘bool_t’ = True, index_label=None, chunksize=None, dtype: ‘DtypeArg | None’ = None, method=None) -> ‘int | None’ method of pandas.core.frame.DataFrame instance

• 基本參數(shù)

名稱	說明
name	數(shù)據(jù)庫對應的表名
con	與數(shù)據(jù)庫鏈接的方式，推薦使用sqlalchemy的engine類型
schema	相應數(shù)據(jù)庫的引擎，不設置則使用數(shù)據(jù)庫的默認引擎，如mysql中的innodb引擎
if_exists	可選參數(shù)，字符串，默認是"fail"。當數(shù)據(jù)庫中已經(jīng)存在數(shù)據(jù)表時，對數(shù)據(jù)表的操作，有replace替換,即刪除原來的表，重新創(chuàng)建一個新表；append追加，fail則當表存在時提示ValueError。
index	可選參數(shù)，bool類型，默認是True。是否將DataFrame的索引寫入數(shù)據(jù)庫表中。
index_label	可選參數(shù)，字符串類型，當上一個參數(shù)index為True時，設置寫入數(shù)據(jù)表時index的列名稱。
chunksize	可選參數(shù)，int類型，默認是None。一次寫入數(shù)據(jù)時的數(shù)據(jù)行數(shù)量，設置整數(shù)，如20000，當數(shù)據(jù)量很大時，需要設置，否則會鏈接超時寫入失敗。
dtype	可選參數(shù)，字典類型，默認是None。將列名映射到SQL類型。

三、連接數(shù)據(jù)庫方式—MySQL

1、用sqlalchemy包構(gòu)建數(shù)據(jù)庫鏈接

通過 sqlalchemy 的 create_engine 創(chuàng)建：有兩種方式，基本格式一致，區(qū)別只是在于使用 mysqldb，還是使用 pymysql，推薦使用pymysql。

pymysql使用方式

import pandas as pd
from sqlalchemy import create_engine# 建立數(shù)據(jù)庫連接
# "mysql+pymysql://{用戶名}:{密碼}@{域名}:{端口號}/{數(shù)據(jù)庫名}"
engine = create_engine("mysql+pymysql://root:123456@localhost:3306/data")

mysqldb使用方式

mysqldb 是 python2 的 mysql 連接庫，在 python3 時，已經(jīng)廢除 mysqldb，改為pymysql。在 sqlachemy 必須使用 mysqldb 驅(qū)動時，需要先導入pymysql ，然后執(zhí)行 “pymysql.install_as_MySQLdb()” 才能使用。

import pandas as pd
import pymysql
from sqlalchemy import create_engine
pymysql.install_as_MySQLdb()
engine = create_engine("mysql+pymysql://root:123456@localhost:3306/data")

封裝數(shù)據(jù)庫信息，格式化傳入：

db_info = {'user':'root','password':'123456','host':'localhost','database':'data','port':3306
}
engine = create_engine('mysql+pymysql://%(user)s:%(password)s@%(host)s:%(port)d/%(database)s?charset=utf8' % db_info)

示例1： 將 MySQL數(shù)據(jù)庫表讀入 DataFrame 。

# 定義SQL查詢
sql_query = 'select * from sc'# 執(zhí)行查詢操作：把sql查詢結(jié)果讀取為dataframe
df = pd.read_sql(sql_query,engine)

示例2： 將 DataFrame 中的數(shù)據(jù)寫入 MySQL 數(shù)據(jù)庫表。

# 執(zhí)行寫入操作：將dataframe寫入sql數(shù)據(jù)表
df.to_sql(name='',con=engine,if_exists='replace',index=False)

2、用DBAPI構(gòu)建數(shù)據(jù)庫鏈接

import pandas as pd
import pymysql# 建立數(shù)據(jù)庫連接
conn = pymysql.connect(host='localhost',		# 主機名（或IP地址）port=3306,				# 端口號，默認為3306user='root',			# 用戶名password='123456',	# 密碼charset='utf8'  		# 設置字符編碼
)
# 獲取mysql服務信息（測試連接，會輸出MySQL版本號）
print(conn.get_server_info())

示例1： 將 MySQL數(shù)據(jù)庫表讀入 DataFrame 。

# 選擇數(shù)據(jù)庫
conn.select_db("database")# 定義SQL查詢
sql_query = 'select * from sc'# 執(zhí)行查詢操作：把sql查詢結(jié)果讀取為dataframe
df = pd.read_sql(sql_query,conn)

示例2： 將 DataFrame 中的數(shù)據(jù)寫入 MySQL數(shù)據(jù)庫表。

# 執(zhí)行寫入操作：將dataframe寫入sql數(shù)據(jù)表
df.to_sql(name='',con=conn ,if_exists='replace',index=False)

會顯示下面的報錯情況：
TypeError: not all arguments converted during string formatting

pandas.errors.DatabaseError: Execution failed on sql ' SELECT name FROM sqlite_master WHERE type IN ('table', 'view') AND name=?; ': not all arguments converted during string formatting

原因： 引擎問題。在python3中，to_sql() 的con對象，是 sqlalchemy 的 engine 引擎。

解決方案： 使用to_sql()將dataframe寫入sql數(shù)據(jù)表，要用sqlalchemy包構(gòu)建數(shù)據(jù)庫鏈接。參考文章：https://blog.csdn.net/xiaoyw71/article/details/131126161。

四、容易遇到的問題

問題一： python中sqlalchemy操作mysql密碼包含@特殊字符。

import pandas as pd
from sqlalchemy import create_enginedb_info = {'user':'root','password':'123@456','host':'localhost','database':'data','port':3306
}
engine = create_engine('mysql+pymysql://%(user)s:%(password)s@%(host)s:%(port)d/%(database)s?charset=utf8' % db_info)# 定義SQL查詢
sql_query = 'select * from sc'# 執(zhí)行SQL查詢操作
df=pd.read_sql_query(sql_query ,engine)

報錯：sqlalchemy.exc.OperationalError: (pymysql.err.OperationalError) (2003, "Can't connect to MySQL server on '2024jyz@172.30.21.57' ([Errno -2] Name or service not known)")

解決方案：

import pandas as pd
from sqlalchemy import create_engine
from urllib import parsedb_info = {'user':'root','password':parse.quote_plus('123@456'),'host':'localhost','database':'data','port':3306
}engine = create_engine('mysql+pymysql://%(user)s:%(password)s@%(host)s:%(port)d/%(database)s?charset=utf8' % db_info)

參考文章：
https://blog.csdn.net/initiallht/article/details/120406317
https://blog.csdn.net/qq_41982570/article/details/127059642

---

參考文章：
https://blog.csdn.net/LeiLiFengX/article/details/109922043
https://www.cnblogs.com/think90/articles/11899070.html