欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

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

程序员文章站 2022-12-24 19:50:58
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 pymysq...

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】

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

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

更多关于python相关内容感兴趣的读者可查看本站专题:《python常见数据库操作技巧汇总》、《python数学运算技巧总结》、《python数据结构与算法教程》、《python函数使用技巧总结》、《python字符串操作技巧汇总》、《python入门与进阶经典教程》及《python文件与目录操作技巧汇总

希望本文所述对大家python程序设计有所帮助。