pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None) 1

各参数意义

sql:SQL命令字符串con：连接sql数据库的engine，一般可以用SQLalchemy或者pymysql之类的包建立index_col: 选择某一列作为indexcoerce_float:非常有用，将数字形式的字符串直接以float型读入parse_dates:将某一列日期型字符串转换为datetime型数据，与pd.to_datetime函数功能类似。可以直接提供需要转换的列名以默认的日期形式转换，也可以用字典的格式提供列名和转换的日期格式，比如{column_name: format string}（format string："%Y:%m:%H:%M:%S"）。columns:要选取的列。一般没啥用，因为在sql命令里面一般就指定要选择的列了chunksize：如果提供了一个整数值，那么就会返回一个generator，每次输出的行数就是提供的值的大小。

设置参数can–>创建数据库链接的两种方式

用sqlalchemy构建数据库链接

import pandas as pd import sqlalchemy from sqlalchemy import create_engine

用sqlalchemy构建数据库链接engine

connect_info = ‘mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8’ engine = create_engine(connect_info)

sql 命令

sql_cmd = “SELECT * FROM table” df = pd.read_sql(sql=sql_cmd, con=engine)

12345678910

用DBAPI构建数据库链接

import pandas as pd import pymysql

# sql 命令 sql_cmd = “SELECT * FROM table”

# 用DBAPI构建数据库链接engine con = pymysql.connect(host=localhost, user=username, password=password, database=dbname, charset=‘utf8’, use_unicode=True) df = pd.read_sql(sql_cmd, con)

123456789

read_sql与read_sql_table、read_sql_query

read_sql本质上是read_sql_table、read_sql_query的统一方式。

三者都return返回DataFrame。

read_sql_table

Read SQL database table into a DataFrame.

read_sql_query