轉載自公衆號：python-china
轉載自公衆號：python-china
本次分享將介紹如何在Python中使用Pandas庫實現MySQL數據庫的讀寫。首先我們需要了解點ORM方面的知識。
ORM技術
對象關係映射技術，即ORM（Object-Relational Mapping）技術，指的是把關係數據庫的表結構映射到對象上，通過使用描述對象和數據庫之間映射的元數據，將程序中的對象自動持久化到關係數據庫中。
在Python中，最有名的ORM框架是SQLAlchemy。Java中典型的ORM中間件有: Hibernate, ibatis, speedframework。
SQLAlchemy
SQLAlchemy是Python編程語言下的一款開源軟件。提供了SQL工具包及對象關係映射（ORM）工具，使用MIT許可證發行。
可以使用pip命令安裝SQLAlchemy模塊：
pip install sqlalchemy
SQLAlchemy模塊提供了create_engine()函數用來初始化數據庫連接，SQLAlchemy用一個字符串表示連接信息：
'數據庫類型+數據庫驅動名稱://用戶名:口令@機器地址:端口號/數據庫名'
Pandas讀寫MySQL數據庫
我們需要以下三個庫來實現Pandas讀寫MySQL數據庫：
pandas
sqlalchemy
pymysql
其中，pandas模塊提供了read_sql_query（）函數實現了對數據庫的查詢，to_sql（）函數實現了對數據庫的寫入，並不需要實現新建MySQL數據表。sqlalchemy模塊實現了與不同數據庫的連接，而pymysql模塊則使得Python能夠操作MySQL數據庫。
我們將使用MySQL數據庫中的mydb數據庫以及employee表，內容如下：
下面將介紹一個簡單的例子來展示如何在pandas中實現對MySQL數據庫的讀寫：
# -*- coding: utf-8 -*-
# 導入必要模塊
import pandas as pd
from sqlalchemy import create_engine
# 初始化數據庫連接，使用pymysql模塊
# MySQL的用戶：root, 密碼:147369, 端口：3306,數據庫：mydb
engine = create_engine('mysql+pymysql://root:147369@localhost:3306/mydb')
# 查詢語句，選出employee表中的所有數據
sql = '''
select * from employee;
'''
# read_sql_query的兩個參數: sql語句， 數據庫連接
df = pd.read_sql_query(sql, engine)
# 輸出employee表的查詢結果
print(df)
# 新建pandas中的DataFrame, 只有id,num兩列
df = pd.DataFrame({'id':[1,2,3,4],'num':[12,34,56,89]})
# 將新建的DataFrame儲存爲MySQL中的數據表，不儲存index列
df.to_sql('mydf', engine, index= False)
程序的運行結果如下：
在MySQL中查看mydf表格：
這說明我們確實將pandas中新建的DataFrame寫入到了MySQL中！
將CSV文件寫入到MySQL中
以上的例子實現了使用Pandas庫實現MySQL數據庫的讀寫，我們將再介紹一個實例：將CSV文件寫入到MySQL中，示例的mpg.CSV文件前10行如下：
示例的Python代碼如下：
# -*- coding: utf-8 -*-
# 導入必要模塊
import pandas as pd
from sqlalchemy import create_engine
# 初始化數據庫連接，使用pymysql模塊
engine = create_engine('mysql+pymysql://root:147369@localhost:3306/mydb')
# 讀取本地CSV文件
df = pd.read_csv("E://mpg.csv", sep=',')
# 將新建的DataFrame儲存爲MySQL中的數據表，不儲存index列
df.to_sql('mpg', engine, index= False)
print("Write to MySQL successfully!")
在MySQL中查看mpg表格：
僅僅5句Python代碼就實現了將CSV文件寫入到MySQL中，這無疑是簡單、方便、迅速、高效的！