Python中有许多流行的数据操作库，其中pandas是最广泛使用的之一。它不仅提供了高效的数据结构，还可以轻松连接各种数据源，包括关系型数据库。在本文中，我们将探讨如何使用pandas来连接和操作MySQL数据库。 安装pandas和mysql-connector-python 在开始之前，确保安装了pandas和mysql-connector-python这两个库。可以通过以下命令在终端中进行安装： pip install pandas mysql-connector-python 连接MySQL数据 […]

Python中有许多流行的数据操作库，其中pandas是最广泛使用的之一。它不仅提供了高效的数据结构，还可以轻松连接各种数据源，包括关系型数据库。在本文中，我们将探讨如何使用pandas来连接和操作MySQL数据库。

安装pandas和mysql-connector-python

在开始之前，确保安装了pandas和mysql-connector-python这两个库。可以通过以下命令在终端中进行安装：

pip install pandas mysql-connector-python

连接MySQL数据库

要连接MySQL数据库，需要提供以下信息：

• 主机名或IP地址
• 端口号
• 用户名
• 密码
• 数据库名称

使用mysql.connector库连接MySQL数据库，示例代码如下：

import mysql.connector
# 创建连接对象
mydb = mysql.connector.connect(
  host="localhost",
  user="root",
  password="password",
  database="mydatabase"
)
print(mydb)

使用pandas读取MySQL表格

使用pandas.read_sql()方法可以从MySQL数据库中读取表格并返回一个DataFrame对象。示例代码如下：

import pandas as pd
import mysql.connector
# 创建连接对象
mydb = mysql.connector.connect(
  host="localhost",
  user="root",
  password="password",
  database="mydatabase"
)

# 使用pandas读取表格

df = pd.read_sql("SELECT * FROM customers", con=mydb)
print(df.head())

上面的代码将从"mydatabase"数据库中的"customers"表中读取所有行，并将它们存储在名为df的DataFrame对象中。可以通过调用.head()方法查看前几行数据。

使用pandas向MySQL表格写入数据

使用.to_sql()方法可以将pandas中的DataFrame对象写入MySQL数据库表格。示例代码如下：

import pandas as pd
import mysql.connector

# 创建连接对象
mydb = mysql.connector.connect(
  host="localhost",
  user="root",
  password="password",
  database="mydatabase"
)

# 创建DataFrame对象
df = pd.DataFrame({
  "name": ["John", "Peter", "Amy"],
  "age": [31, 32, 28],
  "city": ["New York", "Paris", "London"]
})

# 将DataFrame对象写入table_name表格

df.to_sql(name="table_name", con=mydb, if_exists="replace")

上面的代码将DataFrame对象写入了名为"table_name"的表格中，该表格已经存在，如果不存在，则会自动创建。

说点什么吧

• 全部评论（0）
• 最新 最早

还没有评论，快来抢沙发吧！