Python Pandas pandas.read_sql函数实例用法

简介

pandas.read_sql函数是pandas库的一个功能强大的读取SQL查询结果的函数。通过这个函数，可以轻松地将SQL语句查询结果转换为pandas DataFrame（数据框）形式，方便进一步地数据处理与分析。

基本语法

pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None)

参数详解

• sql: 要执行的SQL语句。
• con: 数据库连接器，可以是Python DB-API连接对象（例如，pymysql.connect）或SQLite StringType连接字符串。
• index_col: 设置当作DataFrame索引的列名。
• coerce_float: 默认 True 会将查询结果中的数值类型看做float类型。
• params: 可选，该参数是用于传入SQL查询语句的条件。
• parse_dates: 默认为None，将结果集中一列转换为日期时间类型。
• columns: 默认为None，表示返回的列，如果没有指定列名，就返回所有列。
• chunksize: 可选，指定每次读取的行数。

示例1：从MySQL读取数据

在这个示例中，我们将使用pandas.read_sql函数从MySQL数据库中读取数据。我们使用了pymysql库来建立与MySQL的连接，并执行了一个查询，读取了student表中的所有数据。

# 导入所需库：
import pymysql
import pandas as pd

# 建立数据库连接：
conn = pymysql.connect(host='localhost', port=3306, user='root', password='password', db='test')

# 执行查询语句：
sql = 'SELECT * FROM student'
data = pd.read_sql(sql, conn)

print(data)

示例2：从SQLite读取数据

这个示例是从SQLite数据库中读取数据，使用了SQLite3库来建立与SQLite的连接，并执行了一个查询，读取了titanic表中的数据，其中parse_dates参数用于将日期时间类型的数据自动转换。

# 导入所需库：
import sqlite3
import pandas as pd

# 建立数据库连接：
conn = sqlite3.connect('titanic.sqlite')

# 执行查询语句：
sql = 'SELECT * FROM titanic'
data = pd.read_sql(sql, conn, parse_dates=['dob'])

print(data)

以上，两个示例讲解了如何使用pandas.read_sql函数，不同的数据库建立连接的方式可能会略有差异，但是使用pandas.read_sql函数来读取数据库数据的方式是相似的。