Python实现从SQL型数据库读写dataframe型数据的方法【基于pandas】

下面是基于pandas库实现从SQL型数据库读写dataframe型数据的完整攻略：

1. 安装依赖

在开始之前，我们需要先安装好pandas和pyodbc两个库，可以使用以下命令进行安装：

pip install pandas
pip install pyodbc

其中，pyodbc库是用于连接SQL Server等数据库的库，需要根据实际情况进行安装。

2. 连接数据库

首先，我们需要使用pyodbc库来连接SQL Server数据库。这里以连接本地SQL Server数据库为例，代码如下：

import pyodbc

server = 'localhost'
database = 'test_database'
username = 'test_user'
password = 'test_password'

cnxn = pyodbc.connect('DRIVER={SQL Server};SERVER='+server+';DATABASE='+database+';UID='+username+';PWD='+ password)

其中，server、database、username和password分别是SQL Server的地址、数据库名称、用户名和密码。

3. 读取数据

连接数据库成功后，我们就可以使用pandas的read_sql函数读取数据了。这里以读取一个名为“test_table”的表为例，代码如下：

import pandas as pd

query = 'SELECT * FROM test_table'

df = pd.read_sql(query, cnxn)

其中，query是要执行的SQL查询语句，这里是使用“SELECT *”语句读取整张表的数据。

此时，我们就可以得到一个包含所有数据的DataFrame，可以对其进行进一步的处理和分析了。

4. 写入数据

如果需要将数据写入SQL Server数据库中，同样可以使用pandas的to_sql函数。这里以将一个DataFrame写入名为“new_table”的表中为例，代码如下：

df.to_sql('new_table', cnxn, if_exists='replace', index=False)

其中，to_sql函数的第一个参数是要写入的表名，第二个参数是连接到的数据库连接对象，第三个参数if_exists表示如果同名表已经存在的处理方式（replace表示替换，append表示追加），第四个参数index表示是否将DataFrame的索引写入SQL Server数据库中。

示例说明

以student_score表为例，该表有三个字段：name、score、sex。现在需要读取该表中的数据，并将数据写入新的表student_score_new中，只保留name和score两个字段。

读取数据的示例代码如下：

query = 'SELECT name, score FROM student_score'

df = pd.read_sql(query, cnxn)

写入数据的示例代码如下：

df.to_sql('student_score_new', cnxn, if_exists='replace', index=False)

以上就是基于pandas实现从SQL型数据库读写dataframe型数据的完整攻略。