Pandas 数据库操作

Pandas 数据库操作，Pandas不仅支持本地文件的读写，同时支持对数据库的读取和写入操作。pandas.io.sql模块提供了独立于数据库，叫做sqlalchemy的统一接口，不管什么类型的数据库，Pandas主要是以sqlalchemy方式建立链接，支持Mysql、postgresql、Oracle、MS SQLServer、SQLite等主流数据库。

前面章节介绍了 Pandas 对文本文件的读写操作。在很多应用中，所使用的数据来自文本文件的很少，因为文本文件不是存储数据最有效的方式，数据往往存储于SQL类关系数据库，作为补充，NoSQL 数据库近来也开始流行起来，从SQL数据库加载数据，将其转换为DataFrame对象很简单，Pandas提供了几个函数简化了该过程，后面章节会介绍到，本章主要介绍sqlalchemy包的安装和数据库的连接。

sqlalchemy包的安装

如果直接sqlalchemy的安装时，会报错的，为什么呢？因为sqlalchemy依赖了PyMySQL包。

(1)所以首先需要安装PyMySQL,使用如下指令

pip install PyMySQL

(2)接下来再安装sqlalchemy便会成功的，使用如下指令

pip install sqlalchemy

网络条件不好的状况，会报出time out错误，如下所示:

提示安装成功，如下图所示：

数据库的连接

连接数据库使用create_engine()函数，你可以用它配置驱动器所需的用户名、密码、端口和数据库实例等所有属性。下面是各种数据库的连接方法：

from sqlalchemy import create_engine

• ProstgreSQL

engine = create_engine('postgresql://scott:tiger@localhost:5432/mydatabase')

• MySQL

engine = create_engine('mysql+mysqldb://scott:tiger@localhost/foo')

• Oracle

engine = create_engine(`oracle://scott:tiger@127.0.0.1:1521/sidname`)

• MSSQL

engine = create_engine(`mysql+pyodbc://mydsn`)

• SQLite

engine = create_engine(`sqlite:///foo.db`)