Python编程:pandas读写mysql数据

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS PostgreSQL,集群系列 2核4GB
简介: Python编程:pandas读写mysql数据

安装用到的模块

pip install pandas sqlalchemy pymysql

1、建表

# 建表
create table student(
id int(11) primary key auto_increment,
name varchar(10) default "",
age int(11) default 0
)

如果不创建表也可以,会自动创建,不过一些字段可能不是你想要的,如果明确字段还需要自己提前建表


2、字典数据读写

# -*- coding: utf-8 -*-
# 导入必要模块
import pandas as pd
from sqlalchemy import create_engine
# 连接数据库
engine = create_engine('mysql+pymysql://root:123456@localhost:3306/demo?charset=utf8')
# 写入数据
data = [
    {'id': 1, 'name': '小明', 'age': 23},
    {'id': 2, 'name': '小红', 'age': 24},
    {'id': 3, 'name': '小白', 'age': 25}
]
df = pd.DataFrame(data)
df.to_sql('student', engine, if_exists="append", index=False)
# 读取数据
sql = 'select * from student;'
df = pd.read_sql_query(sql, engine)
print(df.to_dict(orient="records"))
"""
[{'id': 1, 'name': '小明', 'age': 23}, 
{'id': 2, 'name': '小红', 'age': 24}, 
{'id': 3, 'name': '小白', 'age': 25}]
"""

3、csv文件读写

数据 student.csv

id,name,age
1,小明,23
2,小红,24
3,小白,25

可以不创建数据表,会自动创建

import pandas as pd
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://root:123456@localhost:3306/demo?charset=utf8')
# 读取文件导入数据库,表不存在会创建
df = pd.read_csv("student.csv", sep=',')
df.to_sql('student', engine, index=False)
# 从数据库读取数据
df = pd.read_sql_query("select * from student", engine)
print(df)
"""
   id name  age
0   1   小明   23
1   2   小红   24
2   3   小白   25
"""

参考

用Pandas库实现MySQL数据库的读写

相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
相关文章
|
19天前
|
存储 Oracle 关系型数据库
【赵渝强老师】MySQL InnoDB的数据文件与重做日志文件
本文介绍了MySQL InnoDB存储引擎中的数据文件和重做日志文件。数据文件包括`.ibd`和`ibdata`文件,用于存放InnoDB数据和索引。重做日志文件(redo log)确保数据的可靠性和事务的持久性,其大小和路径可由相关参数配置。文章还提供了视频讲解和示例代码。
129 11
【赵渝强老师】MySQL InnoDB的数据文件与重做日志文件
|
19天前
|
缓存 NoSQL 关系型数据库
Redis和Mysql如何保证数据⼀致?
在项目中,为了解决Redis与Mysql的数据一致性问题,我们采用了多种策略:对于低一致性要求的数据,不做特别处理;时效性数据通过设置缓存过期时间来减少不一致风险;高一致性但时效性要求不高的数据,利用MQ异步同步确保最终一致性;而对一致性和时效性都有高要求的数据,则采用分布式事务(如Seata TCC模式)来保障。
53 14
|
22天前
|
SQL 前端开发 关系型数据库
SpringBoot使用mysql查询昨天、今天、过去一周、过去半年、过去一年数据
SpringBoot使用mysql查询昨天、今天、过去一周、过去半年、过去一年数据
49 9
|
23天前
|
Python
|
23天前
|
Python
|
21天前
|
图形学 Python
SciPy 空间数据2
凸包(Convex Hull)是计算几何中的概念,指包含给定点集的所有凸集的交集。可以通过 `ConvexHull()` 方法创建凸包。示例代码展示了如何使用 `scipy` 库和 `matplotlib` 绘制给定点集的凸包。
27 1
|
22天前
|
Python
Pandas 常用函数-数据合并
Pandas 常用函数-数据合并
34 1
|
22天前
|
JSON 数据格式 索引
Python中序列化/反序列化JSON格式的数据
【11月更文挑战第4天】本文介绍了 Python 中使用 `json` 模块进行序列化和反序列化的操作。序列化是指将 Python 对象(如字典、列表)转换为 JSON 字符串,主要使用 `json.dumps` 方法。示例包括基本的字典和列表序列化,以及自定义类的序列化。反序列化则是将 JSON 字符串转换回 Python 对象,使用 `json.loads` 方法。文中还提供了具体的代码示例,展示了如何处理不同类型的 Python 对象。
|
23天前
|
索引 Python
Pandas 常用函数-数据排序
10月更文挑战第28天
10 1
|
21天前
|
索引 Python
SciPy 空间数据1
SciPy 通过 `scipy.spatial` 模块处理空间数据,如判断点是否在边界内、计算最近点等。三角测量是通过测量角度来确定目标距离的方法。多边形的三角测量可将其分解为多个三角形,用于计算面积。Delaunay 三角剖分是一种常用方法,可以对一系列点进行三角剖分。示例代码展示了如何使用 `Delaunay()` 函数创建三角形并绘制。
29 0