Python可視化數據分析09、Pandas_MySQL讀寫

​

 ​編輯

Python可視化數據分析09、Pandas_MySQL讀寫

前言

博客：【紅目香薰的博客_CSDN博客-計算機理論,2022年藍橋杯,MySQL領域博主】

本文由在下【紅目香薰】原創，首發於CSDN

2022年最大願望：【服務百萬技術人次】

Python初始環境地址：【Python可視化數據分析01、python環境搭建】 

環境需求

環境：win10

開發工具：PyCharm Community Edition 2021.2

數據庫：MySQL5.6

目錄

Python可視化數據分析09、Pandas_MySQL讀寫

前言

環境需求

前言

前置環境

基礎操作

MySQL增刪改

MySQL讀取操作

前言

在Python中，最有名的ORM框架是SQLAlchemy。使用SQLAlchemy寫入數據到數據庫中的步驟如下：
導入SQLAlchemy模塊的create_engine()函數和pandas()函數
創建引擎，其中傳入的字符串格式為：數據庫類型+Python連接mysql的庫名://用戶名:密碼@IP地址:端口號/數據庫名
使用Pandas下的io.sql模塊下的to_sql()函數將DataFrame對象中的數據保存到數據庫中
使用Pandas模塊中的read_sql()函數讀取數據庫中的記錄，並保存到DataFrame對象中

前置環境

pip3 install sqlalchemy

​編輯

pip3 install pymysql

​編輯

基礎操作

1、打開MySQL服務

​編輯

2、創建【mytest】數據庫

3、創建【user】表

​編輯

示例：

import pandas as pdfrom sqlalchemy import create_engine # 引入create_engine方法df = pd.DataFrame({"id": [1, 2, 3], "name": ["雷靜", "小鳳", "春夢"], "age": ["21", "22", "20"]})conn = create_engine('mysql+pymysql://root:[email protected]:3306/mytest?charset=utf8')# 將df對象保存到數據庫名為mytest的庫，名稱為user的數據庫表中pd.io.sql.to_sql(df, 'user', conn, schema='mytest', if_exists='append')# # 執行“select * from words;”SQL語句讀取數據庫中的數據df1 = pd.read_sql('select * from user;', con=conn)print(df1)

​

MySQL增刪改

import pandas as pdfrom sqlalchemy import create_engine # 引入create_engine方法from sqlalchemy.orm import sessionmakerconn = create_engine('mysql+pymysql://root:[email protected]:3306/mytest?charset=utf8')# 修改-刪除DB_Session = sessionmaker(bind=conn)session = DB_Session()# session.execute("insert into user values(3,0,'小龍女',22)")# session.execute("update user set name='曉鳳' where id=2")session.execute("delete from user where id=4")session.commit()# # 執行“select * from words;”SQL語句讀取數據庫中的數據df = pd.read_sql('select * from user;', con=conn)print(df)

MySQL讀取操作

import pandas as pdfrom sqlalchemy import create_engine # 引入create_engine方法conn = create_engine('mysql+pymysql://root:[email protected]:3306/mytest?charset=utf8')# # 執行“select * from words;”SQL語句讀取數據庫中的數據df = pd.read_sql('select * from user;', con=conn)print(df)# 基礎信息print(df.info)# 查看列名print(df.columns)# 查看各列數據類型print(df.dtypes)# 查看下標print(df.index)# 數據浏覽前2條print(df.head(2))# 查看name到age列print(df.loc[:, "name":"age"])# 基本統計print("最大年齡：", df.age.max())print("平均年齡：", df.age.mean())# 查詢print(df[df.name == "春夢"])# 排序·True正序False倒序print(df.sort_values(by=["age"], ascending=False))# 在第二列【下標是1】添加列df.insert(1, "sex", "女")print(df)# 在最後添加列df["introduce"] = "巾帼"print(df)# 刪除某行df = df.drop(1)print(df)# 替換value = pd.Series([1, "女", "雷靜靜", 20, "大眼姑娘"], index=["id", "sex", "name", "age", "introduce"])df.loc[0] = valuevalue = pd.Series([4, "女", "小龍女", 18, "冰山美人"], index=["id", "sex", "name", "age", "introduce"])df.loc[3] = valueprint(df)# 條數print(len(df))

   index  id name  age
0      0   1   雷靜   21
1      1   2   小鳳   22
2      2   3   春夢   20
<bound method DataFrame.info of    index  id name  age
0      0   1   雷靜   21
1      1   2   小鳳   22
2      2   3   春夢   20>
Index(['index', 'id', 'name', 'age'], dtype='object')
index     int64
id        int64
name     object
age       int64
dtype: object
RangeIndex(start=0, stop=3, step=1)
   index  id name  age
0      0   1   雷靜   21
1      1   2   小鳳   22
  name  age
0   雷靜   21
1   小鳳   22
2   春夢   20
最大年齡： 22
平均年齡： 21.0
   index  id name  age
2      2   3   春夢   20
   index  id name  age
1      1   2   小鳳   22
0      0   1   雷靜   21
2      2   3   春夢   20
   index sex  id name  age
0      0   女   1   雷靜   21
1      1   女   2   小鳳   22
2      2   女   3   春夢   20
   index sex  id name  age introduce
0      0   女   1   雷靜   21        巾帼
1      1   女   2   小鳳   22        巾帼
2      2   女   3   春夢   20        巾帼
   index sex  id name  age introduce
0      0   女   1   雷靜   21        巾帼
2      2   女   3   春夢   20        巾帼
   index sex  id name  age introduce
0    NaN   女   1  雷靜靜   20      大眼姑娘
2    2.0   女   3   春夢   20        巾帼
3    NaN   女   4  小龍女   18      冰山美人
3

Process finished with exit code 0

​