用SQLAlchemy将Pandas连接到数据库

首先，我们需要先安装SQLAlchemy和Pandas包。可以使用以下命令在终端或命令行中进行安装：

pip install sqlalchemy pandas

接下来，我们需要创建一个数据库引擎。在这里，我们使用SQLite数据库。

from sqlalchemy import create_engine
engine = create_engine('sqlite:///example.db')

其中，'example.db' 是数据库的文件名。如果文件不存在，它将被创建。如果想要连接到其它数据库，需要根据数据库类型和地址，修改连接串中的部分内容。

接下来，我们读取本地CSV数据并将其转换为Pandas数据框：

import pandas as pd
df = pd.read_csv('data.csv')

然后，我们可以使用数据框中的to_sql()方法，将数据框中的数据写入到数据库中。

df.to_sql(name='table_name', con=engine, if_exists='replace', index=False)

其中，name是表名，con是我们在之前创建的连接引擎，if_exists告诉Pandas在表已经存在时应该怎么做，这里我们将其设置为" replace"，表示我们希望数据表已存在时用新的数据覆盖原有的数据。最后的index=False是告诉Pandas不要在数据库中创建索引列。

如果表格已经存在，to_sql()函数将忽略索引列并仅插入数据。数据将被添加到现有表的末尾。

如果在写入期间发生错误，我们可以捕获异常并显示错误消息。

完整的示例代码如下所示:

from sqlalchemy import create_engine

import pandas as pd

# 创建数据库引擎
engine = create_engine('sqlite:///example.db')

# 读取CSV文件
df = pd.read_csv('data.csv')

# 将数据写入到数据表
try:
    df.to_sql(name='table_name', con=engine, if_exists='replace', index=False)
    print('数据写入成功。')
except Exception as e:
    print('数据写入失败：', e)

需要注意的是，to_sql()方法只能在SQLite中创建新表，MySQL和PostgreSQL等数据库将需要手动创建表格结构。