本文實例講述了Python實現從SQL型數據庫讀寫dataframe型數據的方法。分享給大家供大家參考，具體如下：

Python的pandas包對表格化的數據處理能力很強，而SQL數據庫的數據就是以表格的形式儲存，因此經常將sql數據庫里的數據直接讀取為dataframe，分析操作以后再將dataframe存到sql數據庫中。而pandas中的read_sql和to_sql函數就可以很方便得從sql數據庫中讀寫數據。

參見pandas.read_sql的文檔，read_sql主要有如下幾個參數：

sql:SQL命令字符串

con：連接sql數據庫的engine，一般可以用SQLalchemy或者pymysql之類的包建立

index_col: 選擇某一列作為index

coerce_float:非常有用，將數字形式的字符串直接以float型讀入

parse_dates:將某一列日期型字符串轉換為datetime型數據，與pd.to_datetime函數功能類似。可以直接提供需要轉換的列名以默認的日期形式轉換，也可以用字典的格式提供列名和轉換的日期格式，比如{column_name: format string}（format string："%Y:%m:%H:%M:%S"）。

columns:要選取的列。一般沒啥用，因為在sql命令里面一般就指定要選擇的列了

chunksize：如果提供了一個整數值，那么就會返回一個generator，每次輸出的行數就是提供的值的大小。

params：其他的一些執行參數，沒用過不太清楚。。。

以鏈接常見的mysql數據庫為例：

import pandas as pd

import pymysql

import sqlalchemy

from sqlalchemy import create_engine

# 1. 用sqlalchemy構建數據庫鏈接engine

connect_info = 'mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8'.format(DB_USER, DB_PASS, DB_HOST, DB_PORT, DATABASE) #1

engine = create_engine(connect_info)

# sql 命令

sql_cmd = "SELECT * FROM table"

df = pd.read_sql(sql=sql_cmd, con=engine)

# 2. 用DBAPI構建數據庫鏈接engine

con = pymysql.connect(host=localhost, user=username, password=password, database=dbname, charset='utf8', use_unicode=True)

df = pd.read_sql(sql_cmd, con)

解釋一下 #1: 這個是sqlalchemy中鏈接數據庫的URL格式：dialect[+driver]://user:password@host/dbname[?key=value..]。dialect代表書庫局類型，比如mysql, oracle, postgresql。driver代表DBAPI的名字，比如psycopg2,pymysql等。具體說明可以參考這里。此外由于數據里面有中文的時候就需要將charset設為utf8。

參見pandas.to_sql函數，主要有以下幾個參數：

name: 輸出的表名

con: 與read_sql中相同

if_exits： 三個模式：fail，若表存在，則不輸出；replace：若表存在，覆蓋原來表里的數據；append：若表存在，將數據寫到原表的后面。默認為fail

index：是否將df的index單獨寫到一列中

index_label:指定列作為df的index輸出，此時index為True

chunksize： 同read_sql

dtype: 指定列的輸出到數據庫中的數據類型。字典形式儲存：{column_name: sql_dtype}。常見的數據類型有sqlalchemy.types.INTEGER(), sqlalchemy.types.NVARCHAR(),sqlalchemy.Datetime()等，具體數據類型可以參考這里

還是以寫到mysql數據庫為例：

df.to_sql(name='table',

con=con,

if_exists='append',

index=False,

dtype={'col1':sqlalchemy.types.INTEGER(),

'col2':sqlalchemy.types.NVARCHAR(length=255),

'col_time':sqlalchemy.DateTime(),

'col_bool':sqlalchemy.types.Boolean

})

注：如果不提供dtype,to_sql會自動根據df列的dtype選擇默認的數據類型輸出，比如字符型會以sqlalchemy.types.TEXT類型輸出，相比NVARCHAR，TEXT類型的數據所占的空間更大，所以一般會指定輸出為NVARCHAR；而如果df的列的類型為np.int64時，將會導致無法識別并轉換成INTEGER型，需要事先轉換成int類型（用map，apply函數可以方便的轉換）。

參考：

http://docs.sqlalchemy.org/en/latest/core/type_basics.html#sql-standard-and-multiple-vendor-types

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_sql.html

http://docs.sqlalchemy.org/en/latest/core/engines.html

http://docs.sqlalchemy.org/en/latest/core/type_basics.html#sql-standard-and-multiple-vendor-types

http://stackoverflow.com/questions/30631325/writing-to-mysql-database-with-pandas-using-sqlalchemy-to-sql

http://stackoverflow.com/questions/5687718/how-can-i-insert-data-into-a-mysql-database

http://stackoverflow.com/questions/32235696/pandas-to-sql-gives-unicode-decode-error

http://stackoverflow.com/questions/34383000/pandas-to-sql-all-columns-as-nvarchar

希望本文所述對大家Python程序設計有所幫助。

總結

以上是生活随笔為你收集整理的python读取数据库数据类型_Python实现从SQL型数据库读写dataframe型数据的方法【基于pandas】...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。