Ⅱ fetchall()：一次获取所有记录；
import pymysql db = pymysql.connect(host='localhost',user='root',db='huangwei',password='123456',port=3306,charset='utf8') cursor = db.cursor() cursor.execute('select name,age from person') aa = cursor.fetchall() # print(aa) for a,b in aa: c = "我的名字叫{}，今年{}岁".format(a,b) display(c) db.close()
结果如下：
Ⅲ 使用pandas中的read_sql()方法，将提取到的数据直接转化为DataFrame进行操作；
import pymysql import pandas as pd db = pymysql.connect(host='localhost',user='root',db='huangwei',password='123456',port=3306,charset='utf8') cursor = db.cursor() df1 = pd.read_sql("select * from student where ssex='男'",db) display(df1) df2 = pd.read_sql("select * from student where ssex='女'",db) display(df2)
结果如下：
3. Python操作MongoDB数据库
这一部分主要带大家对比学习：关系型数据和非关系型数据库的不同之处。咱们了解一下即可，不必过深研究，因为数据分析师基本不会使用这种数据库。
Python操作MongoDB使用的是pymongo库。需要我们使用如下命令提前安装：
pip insatll pymongo
更多细节参考：Python操作MongoDB详解！
① Python链接MongoDB服务器
from pymongo import MongoClient conn = MongoClient("localhost",27017)
② Python怎么获取MongoDB中的数据？
Ⅰ 查询部分文档；
res = collection.find({"age"： {"$gte"： 19}}) for row in res： print(row)
Ⅱ 查询所有文档；
res = collection.find() for row in res： print(row)
Ⅲ 统计查询；
res = collection.find().count() print(res)
Ⅳ 根据 id 查询；
这里需要引入第三方库。
from bson.objectid import ObjectId res = collection.find({"_id"：ObjectId("5cc506289e1d88c95465488e")}) print(res[0])
Ⅴ 升序排序；
res = collection.find().sort("age") for row in res： print(row)
Ⅵ 降序排序；
这里也需要引入第三方库。
import pymongo res = collection.find().sort("age",pymongo.DESCENDING) for row in res： print(row)
Ⅶ 分页查询
res = collection.find().limit(3).skip(5) for row in res： print(row)
