Python操作MySQL数据库的两种方式实例分析【pymysql和pandas】

Python操作MySQL数据库的两种方式实例分析

前言

MySQL是目前应用最广泛的开源关系型数据库之一，而Python则是一门功能强大、易学易用的编程语言，它们之间的结合是非常自然且高效的。本文将带大家了解如何使用Python连接并操作MySQL数据库。

准备工作

在使用Python连接MySQL数据库之前，我们需要确保以下几个条件已经具备：

1. 已经安装MySQL数据库并成功启动。

2. 安装相应的Python库。

3. pymysql: 用于连接MySQL数据库。

4. pandas: 用于将MySQL数据导入Pandas的DataFrame中。

我们可以使用pip命令来安装这些库，例如：

pip install pymysql pandas

连接MySQL数据库

在Python中，我们可以使用pymysql库来连接和操作MySQL数据库。以下是一个连接MySQL数据库的示例：

import pymysql

# 打开数据库连接
conn = pymysql.connect(host='localhost', port=3306, user='root', password='123456', db='testdb', charset='utf8')

# 获取游标
cursor = conn.cursor()

# 执行SQL语句
sql = "SELECT * FROM users"
cursor.execute(sql)

# 获取查询结果
result = cursor.fetchall()
print(result)

# 关闭连接
cursor.close()
conn.close()

以上代码中，我们首先使用pymysql.connect()方法连接了一个名为testdb的MySQL数据库，其中host、port、user、password、db和charset分别为数据库的主机名、端口、用户名、密码、数据库名和字符集。然后，我们使用conn.cursor()方法获取了一个游标，并使用cursor.execute()方法执行了一条SELECT SQL语句来查询users表中的所有记录。最后，我们使用cursor.fetchall()方法获取查询结果，并使用print()打印了结果。最后在操作结束后，我们使用cursor.close()和conn.close()关闭了游标和连接。

使用pandas导入MySQL数据到DataFrame

既然我们已经能够连接MySQL数据库并执行查询，那么接下来就是将MySQL数据导入到Python中进行处理了。这里，我们介绍一种将MySQL数据导入到Pandas的DataFrame中的方法。

import pandas as pd
import pymysql

# 连接MySQL数据库
conn = pymysql.connect(host='localhost', port=3306, user='root', password='123456', db='testdb', charset='utf8')

# 将数据导入到DataFrame中
df = pd.read_sql("SELECT * FROM users", con=conn)

# 打印DataFrame
print(df.head())

# 关闭连接
conn.close()

以上代码使用pandas的read_sql()方法将MySQL中的数据导入一个名为df的DataFrame中。read_sql()方法的第一个参数为SELECT语句，第二个参数(con)为数据库连接。最后，我们使用df.head()方法打印了DataFrame的前5行数据。

总结

本文介绍了Python操作MySQL数据库的两种方式，分别是使用pymysql库手动连接和操作MySQL数据库，以及使用pandas库将MySQL数据导入到DataFrame中。其中，手动连接和操作MySQL数据库虽然代码量较大，但可以灵活地执行任何SQL语句；而使用pandas库则可以极大提高数据处理和分析的效率，特别是对于大数据集合的分析。