Pandas是基于NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。Pandas提供了大量能使我們快速便捷地處理數據的函數和方法。你很快就會發現，它是使Python成為強大而高效的數據分析環境的重要因素之一。本文主要介紹一下Pandas中read_sql方法的使用。

pandas.read_sql（sql，con，index_col = None，coerce_float = True，params = None，parse_dates = None，columns = None，chunksize = None)

將SQL查詢或數據庫表讀入DataFrame。

此功能是一個方便的包裝read_sql_table和 read_sql_query（為了向后兼容）。它將根據提供的輸入委托給特定的功能。SQL查詢將被路由到read_sql_query，而數據庫表名將被路由到read_sql_table。請注意，委托的功能可能有更多關于其功能的特定說明，此處未列出。

參數：

sql：string或SQLAlchemy可選（選擇或文本對象）

要執行的SQL查詢或表名。

con：SQLAlchemy可連接（引擎/連接）或數據庫字符串URI

或DBAPI2連接（回退模式）

使用SQLAlchemy可以使用該庫支持的任何數據庫。如果是DBAPI2對象，

則僅支持sqlite3。

index_col：字符串或字符串列表，可選，默認值：無

要設置為索引的列（MultiIndex）。

coerce_float：boolean，默認為True

嘗試將非字符串，非數字對象（如decimal.Decimal）的值轉換為浮點，

這對SQL結果集很有用。

params：list，tuple或dict，optional，default：None

要傳遞給執行方法的參數列表。用于傳遞參數的語法取決于數據庫驅動程序。

檢查數據庫驅動程序文檔，

了解PEP 249的paramstyle中描述的五種語法樣式中的哪一種。

例如，對于psycopg2，使用％(name)s，所以使用params = {’name’：’value’}

parse_dates：list或dict，默認值：None

要解析為日期的列名的列表。

的字典，其中格式字符串是在解析的情況下的strftime兼容的字符串倍，

或是在解析整數時間戳的情況下（d，S，NS，MS，我們）之一。{column_name: format string}

dict of ，其中arg dict對應于關鍵字參數，特別適用于沒有本機Datetime支持的數據庫，

例如SQLite。{column_name: arg dict}pandas.to_datetime()

columns：list，默認值：None

從SQL表中選擇的列名列表（僅在讀取表時使用）。

chunksize：int，默認無

如果指定，則返回一個迭代器，其中chunksize是要包含在每個塊中的行數。

返回：

DataFrame(數據幀)

例如

import MySQLdbmysql_cn= MySQLdb.connect(host=’myhost’, port=3306,user=’myusername’, passwd=’mypassword’, db=’information_schema’)df_mysql = pd.read_sql(’select * from VIEWS;’, con=mysql_cn) print ’loaded dataframe from MySQL. records:’, len(df_mysql)mysql_cn.close()

內容擴展：

有沒有關于如何使用Pandas中的SQL查詢傳遞參數的示例？

特別是我正在使用SQLAlchemy引擎來連接到PostgreSQL數據庫。到目前為止，我發現以下工作：

df = psql.read_sql((’select 'Timestamp','Value' from 'MyTable' ’ ’where 'Timestamp' BETWEEN %s AND %s’), db,params=[datetime(2014,6,24,16,0),datetime(2014,6,24,17,0)], index_col=[’Timestamp’])

pandas文檔說，params也可以作為一個dict來傳遞，但我似乎無法讓這個工作嘗試了：

df = psql.read_sql((’select 'Timestamp','Value' from 'MyTable' ’ ’where 'Timestamp' BETWEEN :dstart AND :dfinish’), db,params={'dstart':datetime(2014,6,24,16,0),'dfinish':datetime(2014,6,24,17,0)}, index_col=[’Timestamp’])

到此這篇關于Python Pandas pandas.read_sql函數實例用法的文章就介紹到這了,更多相關Python Pandas pandas.read_sql函數詳解內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！