Python操作MySQL数据库的两种方式实例分析【pymysql和pandas】_Python

本文实例讲述了python操作mysql数据库的两种方式。分享给大家供大家参考，具体如下：

第一种使用pymysql

代码如下：

				?

									import pymysql

									#打开数据库连接

									db=pymysql.connect(host='1.1.1.1',port=3306,user='root',passwd='123123',db='test',charset='utf8')

									cursor=db.cursor()#使用cursor()方法获取操作游标

									sql = "select * from test0811"

									cursor.execute(sql)

									info = cursor.fetchall()

									db.commit()

									cursor.close() #关闭游标

									db.close()#关闭数据库连接

数据表test0811的内容和上边的代码读出来的内容分别是

Python操作MySQL数据库的两种方式实例分析【pymysql和pandas】

pymysql是python操作mysql数据库的模块。首先引入pymysql模块

				?

									import pymysql

使用pymysql的connect()方法连接数据库，connect的几个参数解释如下：

host：mysql服务的地址，若数据库在本地上，使用localhost或者127.0.0.1。如果在其它的服务器上，应该写ip地址。
port：服务的端口号，默认为3306，如果不写，为默认值。
user：登录数据库的用户名
passwd：user账户登录mysql的密码
db：将要操作的数据库的名字
charset：设置为utf8编码，这样就可以存入汉字没有乱码

注意：除了port=3306不用引号，其它项的值都有用引号括起来

代码中的db就架起了python和mysql通信的桥梁，db.cursor()表示返回连接的游标对象，通过游标执行sql语句。还有几个常用的方法是commit()表示提交数据库修改，rollback()表示回滚，就是取消当前的操作，close()表示关闭连接。

上面讲的是连接对象db的一些方法，游标对象的一些方法也很重要，利用游标对象的方法就可以对数据库进行操作了，游标对象的常用方法如下表：

名称	描述
close()	关闭游标，之后游标不可用
execute(query[,args])	执行一条sql语句，可以带参数
executemany(query,pseq)	对序列pseq中的每个参数执行sql语句
fetchone()	返回一条查询结果
fetchall()	返回所有查询结果
fetchmany([size])	返回size条查询结果
nextset()	移动到下一条结果
scroll(value,mode='relative')	移动游标到指定行，如果mode='relative'，则表示从当前行移动value条，如果mode=‘absolute'，则表示从结果集的第一行移动value条

到这里就基本把pymysql的基本用法讲清楚了，剩下的对数据库的操作（增删改查）就是sql语句的事情了。虽然sql语句很强大，但有时候也会显得力不从心，python的灵活加上sql的强大才可以做更多的事情，而pymysql只是充当工具、桥梁的作用。从代码运行的结果中（第二幅图）发现读出来的结果是存放在二维元组中的，即((1, '小红', '80'),(2, '小明', '90'),(3, '小美', '87'),(4, 'gg', '67'),(5, 'mm', '78'))，但是元组不可改变，只能读出，对于数据处理还有些不便，下面第二种方法就是把数据读出存放在dataframe中，便于处理。

第二种使用pandas

代码如下：

				?

									import pandas as pd

									from sqlalchemy import create_engine

									from sqlalchemy.types import char,int

									connect_info = 'mysql+pymysql://username:passwd@host:3306/dbname?charset=utf8'

									engine = create_engine(connect_info) #use sqlalchemy to build link-engine

									sql = "select * from test0811" #sql query

									df = pd.read_sql(sql=sql, con=engine) #read data to dataframe 'df'

									#write df to table 'test1'

									df.to_sql(name = 'test1',

									      con = engine,

									      if_exists = 'append',

									      index = false,

									      dtype = {'id': int(),

									          'name': char(length=2),

									          'score': char(length=2)

									          }

									      )

pandas的dataframe数据格式有行索引和列索引，使用dataframe来存储数据库表中的数据会十分方便。使用pandas中的read_sql和to_sql函数从mysql数据库中读写数据。两个函数介绍如下。

pandas.read_sql

复制代码代码如下:

	pandas.read_sql(sql, con, index_col=none, coerce_float=true, params=none, parse_dates=none, columns=none, chunksize=none)

pandas.read_sql的文档中有详细的各个参数的英文介绍（不要排斥看英文，虚心向老外学习），参考资料 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_sql.html

常用的参数是sql：sql命令或者表名字，con：连接数据库的引擎，可以用sqlalchemy或者pymysql建立，从数据库读数据的基本用法给出sql和con就可以了。其它都是默认参数，有特殊需求才会用到，有兴趣的话可以查看文档。

代码中的con是使用sqlalchem构建数据库连接引擎，即sqlalchemy.create_engine( )。这个函数基于一个url来产生一个引擎对象，url通常包含了数据库的相关信息，典型的形式是：

				?

									dialect+driver://username:password@host:port/database

dialect表示数据库的名字，比如sqlite，mysql，postgresql，oracle，mssql等，driver是用于连接数据库的dbapi的名字，这里用的是pymysql（python 3.x，在python 2.x中用的是mysqldb），如果这一项不指定，将使用默认的dbapi。

除了使用sqlalchemy创建engine外，还可以直接使用dbapi创建engine，代码如下：

				?

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

									df = pd.read_sql(sql, con)

pandas.dataframe.to_sql

复制代码代码如下:

	dataframe.to_sql(name, con, schema=none, if_exists='fail', index=true, index_label=none, chunksize=none, dtype=none)

主要参数介绍如下，详细文档参考http://pandas.pydata.org/pandas-docs/stable/generated/pandas.dataframe.to_sql.html

name：输出的表名
con：连接数据库的引擎
if_exists：三种模式{“fail”,“replace”,"append"}，默认是"fail"。fail：若表存在，引发一个valueerror；replace：若表存在，覆盖原来表内数据；append：若表存在，将数据写到原表数据的后面。
index：是否将dataframe的index单独写到一列中，默认为“true”
index_label：当index为true时，指定列作为dataframe的index输出
dtype：指定列的数据类型，字典形式存储{column_name: sql_dtype}，常见数据类型是sqlalchemy.types.int()和sqlalchemy.types.char(length=x)。注意：int和char都需要大写，int()不用指定长度。

参考资料：

http://www.zzvips.com/article/169048.html

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

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

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

希望本文所述对大家python程序设计有所帮助。

原文链接：https://blog.csdn.net/heshiliqiu/article/details/81590685