pd.read_sql()参数详解

pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None)

      
      
      
      

      
      
      
      

       
       
       
       
1
      
      
      
      

• 各参数意义

  • sql:SQL命令字符串
  • con：连接sql数据库的engine，一般可以用SQLalchemy或者pymysql之类的包建立
  • index_col: 选择某一列作为index
  • coerce_float:非常有用，将数字形式的字符串直接以float型读入
  • parse_dates:将某一列日期型字符串转换为datetime型数据，与pd.to_datetime函数功能类似。可以直接提供需要转换的列名以默认的日期形式转换，也可以用字典的格式提供列名和转换的日期格式，比如{column_name: format string}（format string："%Y:%m:%H:%M:%S"）。
  • columns:要选取的列。一般没啥用，因为在sql命令里面一般就指定要选择的列了
  • chunksize：如果提供了一个整数值，那么就会返回一个generator，每次输出的行数就是提供的值的大小。

• 设置参数can–>创建数据库链接的两种方式

1. 用sqlalchemy构建数据库链接

import pandas as pd
import sqlalchemy
from sqlalchemy import create_engine

用sqlalchemy构建数据库链接engine

connect_info = ‘mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8’
engine = create_engine(connect_info)

sql 命令

sql_cmd = “SELECT * FROM table”
df = pd.read_sql(sql=sql_cmd, con=engine)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

1. 用DBAPI构建数据库链接

import pandas as pd
import pymysql

# sql 命令
sql_cmd = “SELECT * FROM table”

# 用DBAPI构建数据库链接engine
con = pymysql.connect(host=localhost, user=username, password=password, database=dbname, charset=‘utf8’, use_unicode=True)
df = pd.read_sql(sql_cmd, con)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

• read_sql与read_sql_table、read_sql_query

read_sql本质上是read_sql_table、read_sql_query的统一方式。

三者都return返回DataFrame。

1. read_sql_table

Read SQL database table into a DataFrame.

1. read_sql_query