本篇文章为大家展示了如何使用Pandas库读写MySQL数据库，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

创新互联公司网站建设提供从项目策划、软件开发，软件安全维护、网站优化(SEO)、网站分析、效果评估等整套的建站服务，主营业务为成都网站设计、成都做网站，app开发定制以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。创新互联公司深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

ORM技术

对象关系映射技术，即ORM（Object-Relational Mapping）技术，指的是把关系数据库的表结构映射到对象上，通过使用描述对象和数据库之间映射的元数据，将程序中的对象自动持久化到关系数据库中。

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

SQLAlchemy 

SQLAlchemy是Python编程语言下的一款开源软件。提供了SQL工具包及对象关系映射（ORM）工具，使用MIT许可证发行。

可以使用pip命令安装SQLAlchemy模块：

pip install sqlalchemy

SQLAlchemy模块提供了create_engine()函数用来初始化数据库连接，SQLAlchemy用一个字符串表示连接信息：

'数据库类型+数据库驱动名称://用户名:口令@机器地址:端口号/数据库名'

Pandas读写MySQL数据库

我们需要以下三个库来实现Pandas读写MySQL数据库：

• pandas

• sqlalchemy

• pymysql

其中，pandas模块提供了read_sql_query（）函数实现了对数据库的查询，to_sql（）函数实现了对数据库的写入，并不需要实现新建MySQL数据表。sqlalchemy模块实现了与不同数据库的连接，而pymysql模块则使得Python能够操作MySQL数据库。

我们将使用MySQL数据库中的mydb数据库以及employee表，内容如下：

mydb数据库以及employee表

下面将介绍一个简单的例子来展示如何在pandas中实现对MySQL数据库的读写：

# -*- coding: utf-8 -*- # 导入必要模块 import pandas as pd from sqlalchemy import create_engine # 初始化数据库连接，使用pymysql模块 # MySQL的用户：root, 密码:147369, 端口：3306,数据库：mydb engine = create_engine('mysql+pymysql://root:147369@localhost:3306/mydb') # 查询语句，选出employee表中的所有数据 sql = '''  select * from employee;  ''' # read_sql_query的两个参数: sql语句， 数据库连接 df = pd.read_sql_query(sql, engine) # 输出employee表的查询结果 print(df) # 新建pandas中的DataFrame, 只有id,num两列 df = pd.DataFrame({'id':[1,2,3,4],'num':[12,34,56,89]}) # 将新建的DataFrame储存为MySQL中的数据表，不储存index列 df.to_sql('mydf', engine, index= False) print('Read from and write to Mysql table successfully!')

程序的运行结果如下：

程序的运行结果

在MySQL中查看mydf表格：

mydf表格

这说明我们确实将pandas中新建的DataFrame写入到了MySQL中！

将CSV文件写入到MySQL中

以上的例子实现了使用Pandas库实现MySQL数据库的读写，我们将再介绍一个实例：将CSV文件写入到MySQL中，示例的mpg.CSV文件前10行如下：

mpg.CSV文件前10行

示例的Python代码如下：

# -*- coding: utf-8 -*- # 导入必要模块 import pandas as pd from sqlalchemy import create_engine # 初始化数据库连接，使用pymysql模块 engine = create_engine('mysql+pymysql://root:147369@localhost:3306/mydb') # 读取本地CSV文件 df = pd.read_csv("E://mpg.csv", sep=',') # 将新建的DataFrame储存为MySQL中的数据表，不储存index列 df.to_sql('mpg', engine, index= False) print("Write to MySQL successfully!")

在MySQL中查看mpg表格：

上述内容就是如何使用Pandas库读写MySQL数据库，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。

本文题目：如何使用Pandas库读写MySQL数据库
URL分享：http://azwzsj.com/article/picjie.html