pandas操作mysql

需要用到三个第三方库：

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。

1.根据库的文档，我们看到to_sql函数支持两类mysql引擎一个是sqlalchemy，另一个是sqlliet3.没错，在你写入库的时候，pymysql是不能用的！！！

mysqldb也是不能用的，你只能使用sqlalchemy或者sqlliet3！！鉴于sqllift3已经很久没有更新了，笔者这里建议使用sqlalchemy！！

 2.to_sql函数并不在pd之中，而是在io.sql之中，是sql脚本下的一个类！！！所以to_sql的最好写法就是：

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

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：

 1 import pandas as pd
 2 from sqlalchemy import create_engine
 3 # 初始化数据库连接，使用pymysql模块
 4 # MySQL的用户：root, 密码:147369, 端口：3306,数据库：test
 5 engine = create_engine('mysql+pymysql://root:123456@localhost:3306/test')
 6 # 查询语句，选出employee表中的所有数据
 7 sql = ''' select * from employee; '''
 8 # read_sql_query的两个参数: sql语句， 数据库连接
 9 df = pd.read_sql_query(sql, engine)
10 # 输出employee表的查询结果
11 print(df)
12 
13 # 新建pandas中的DataFrame, 只有id,num两列
14 df = pd.DataFrame({'id': [1, 2, 3, 4], 'name': ['zhangsan', 'lisi', 'wangwu', 'zhuliu']})
15 # 将新建的DataFrame储存为MySQL中的数据表，储存index列
16 df.to_sql('mydf', engine, index=True)
17 print('Read from and write to Mysql table successfully!')