本次分享將介紹如何在Python中使用Pandas庫實現MySQL數據庫的讀寫。首先我們需要了解點ORM方面的知識

ORM技術

對象關系映射技術，即ORM（Object-Relational Mapping）技術，指的是把關系數據庫的表結構映射到對象上，通過使用描述對象和數據庫之間映射的元數據，將程序中的對象自動持久化到關系數據庫中。

在Python中，最有名的ORM框架是SQLAlchemy。Java中典型的ORM中間件有:Hibernate,ibatis,speedframework。

SQLAlchemy

SQLAlchemy是Python編程語言下的一款開源軟件。提供了SQL工具包及對象關系映射（ORM）工具，使用MIT許可證發行

SQLAlchemy模塊提供了create_engine()函數用來初始化數據庫連接，SQLAlchemy用一個字符串表示連接信息：

'數據庫類型+數據庫驅動名稱://用戶名:口令@機器地址:端口號/數據庫名

Pandas讀寫MySQL數據庫

我們需要以下三個庫來實現Pandas讀寫MySQL數據庫：

• pandas
• sqlalchemy
• pymysql
  

其中，pandas模塊提供了read_sql_query（）函數實現了對數據庫的查詢，to_sql（）函數實現了對數據庫的寫入。并不需要實現新建MySQL數據表。

sqlalchemy模塊實現了與不同數據庫的連接，而pymysql模塊則使得Python能夠操作MySQL數據庫。

我們將使用MySQL數據庫中的mydb數據庫以及employee表，內容如下：

注意：

1.根據庫的文檔，我們看到to_sql函數支持兩類mysql引擎一個是sqlalchemy，另一個是sqlliet3.沒錯，在你寫入庫的時候，pymysql是不能用的！??！

mysqldb也是不能用的，你只能使用sqlalchemy或者sqlliet3??！鑒于sqllift3已經很久沒有更新了，筆者這里建議使用sqlalchemy??！

2.to_sql函數并不在pd之中，而是在io.sql之中，是sql腳本下的一個類！！！所以to_sql的最好寫法就是：

            
pd.io.sql.to_sql(df1,tablename,con=conn,if_exists='repalce') 　
          

下面將介紹一個簡單的例子來展示如何在pandas中實現對MySQL數據庫的讀寫：

            
import pandas as pd
from sqlalchemy import create_engine
# 初始化數據庫連接，使用pymysql模塊
# MySQL的用戶：root, 密碼:147369, 端口：3306,數據庫：test
engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
# 查詢語句，選出employee表中的所有數據
sql = ''' select * from employee; '''
# read_sql_query的兩個參數: sql語句， 數據庫連接
df = pd.read_sql_query(sql, engine)
# 輸出employee表的查詢結果
print(df)

# 新建pandas中的DataFrame, 只有id,num兩列
df = pd.DataFrame({'id': [1, 2, 3, 4], 'name': ['zhangsan', 'lisi', 'wangwu', 'zhuliu']})
# 將新建的DataFrame儲存為MySQL中的數據表，儲存index列
df.to_sql('mydf', engine, index=True)
print('Read from and write to Mysql table successfully!')
          

運行結果：

這說明我們確實將pandas中新建的DataFrame寫入到了MySQL中！

將CSV文件寫入到MySQL中

以上的例子實現了使用Pandas庫實現MySQL數據庫的讀寫，我們將再介紹一個實例：將CSV文件寫入到MySQL中，示例的example.csv文件如下

示例的Python代碼如下：

            
# -*- coding: utf-8 -*-

# 導入必要模塊
import pandas as pd
from sqlalchemy import create_engine

# 初始化數據庫連接，使用pymysql模塊
db_info = {'user': 'root',
      'password': '123456',
      'host': 'localhost',
      'port': 3306,
      'database': 'test'
      }

engine = create_engine('mysql+pymysql://%(user)s:%(password)s@%(host)s:%(port)d/%(database)s?charset=utf8' % db_info, encoding='utf-8')
# 直接使用下一種形式也可以
# engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')

# 讀取本地CSV文件
df = pd.read_csv("C:/Users/fuqia/Desktop/example.csv", sep=',')
print(df)
# 將新建的DataFrame儲存為MySQL中的數據表，不儲存index列(index=False)
# if_exists:
# 1.fail:如果表存在，啥也不做
# 2.replace:如果表存在，刪了表，再建立一個新表，把數據插入
# 3.append:如果表存在，把數據插入，如果表不存在創建一個表??！
pd.io.sql.to_sql(df, 'example', con=engine, index=False, if_exists='replace')
# df.to_sql('example', con=engine, if_exists='replace')這種形式也可以
print("Write to MySQL successfully!")
          

在MySQL中查看example表格

補充：engine.execute(sql)可以直接執行sql語句：

            
from sqlalchemy import create_engine 
 
 engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
sql = "DROP TABLE IF EXISTS example"
engine.execute(sql)
          

如果用pymysql，則必須用cursor，讀者可以對比一下。

            
import pymysql
from sqlalchemy import create_engine

conn = pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd='123456', db='test')
# engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
sql = "DROP TABLE IF EXISTS test_input"
cursor = conn.cursor()
cursor.execute(sql)
          

總結

本文主要介紹了ORM技術以及SQLAlchemy模塊，并且展示了兩個Python程序的實例，介紹了如何使用Pandas庫實現MySQL數據庫的讀寫。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。