一、Pymysql模块简介

    Mysql数据库是数据挖掘任务的数据源之一，通过pymysql模块可以直接连接MySQL数据库，进行增删改查等操作。
Python连接MySQL的流程如下：

1.1cursor（游标）的作用

    为什么要建立一个cursor（游标）？因为当python与数据库连接时并不是一次性读取了所有数据，而是根据SQL语言进行操作。cursor在这里相当于执行SQL查询的货车，在Mysql数据库和Python程序之间传递信息。

二、实际操作连接数据库

2.1 导入pymysql

#导入数值运算numpy、数据分析pandas、数据库连接pymysql和时间调试模块等模块
import pandas as pd
import numpy as np
import pymysql
import time

2.2 连接Mysql数据库

#连接本地数据库
db = pymysql.connect(host="localhost",user="root",password="********",database="orderinfo",charset='utf8mb4',cursorclass=pymysql.cursors.DictCursor)

2.2.1 pymysql.connect()参数说明

host(str):      MySQL服务器地址，默认为本地主机(localhost)
port(int):      MySQL服务器端口号，默认为当前用户
user(str):      用户名，没有默认值
password(str):  连接密码，没有默认值
db(str):        数据库名称
charset(str):   连接编码
cursorclass(str): cursor()使用的种类，默认值为MySQLdb.cursors.Cursor

2.2.2pymysql.connect()实例对象方法说明

db.close():   可关闭数据库连接，并释放相关资源。
db.cursor([cursorClass]):返回一个指针对象，用于访问和操作数据库中的数据。
db.begin():   用于开始一个事务，如果数据库的AUTOCOMMIT已经开启就关闭它，直到事务调用commit()和rollback()结束。
db.commit():  表示事务提交
db.rollback():表示事务回退

2.3 创建游标

#创建游标
cursor = db.cursor()

2.3.1 db.cursor()指针对象游标的方法

cursor()的类型,括号在中不填默认为元组，还有DictCursor: 字典类型，SSCursor: 无缓冲元组类型，SSDictCursor: 无缓冲字典类型
无缓冲游标类型，适用于数据量很大，一次性返回太慢，或者服务端带宽较小；创建连接时，通过cursorclass 参数指定类型。
cursor.close():            方法，关闭指针并释放相关资源。
cursor.execute(query[,parameters]):执行数据库查询。
cursor.fetchall():         方法，可取出指针结果集中的所有行，返回的结果集一个元组(tuples)。
cursor.fetchmany([size=cursor.arraysize]):方法，从查询结果集中取出多行，我们可利用可选的参数指定取出的行数。
cursor.fetchone():         方法，从查询结果集中返回下一行。
cursor.arraysize:          属性,指定由cursor.fetchmany()方法返回行的数目，影响fetchall()的性能，默认值为1。
cursor.rowcount:           属性,指出上次查询或更新所发生行数。-1表示还没开始查询或没有查询到数据。

2.4 连接的最简全部环节

#连接的全流程
#导入pymysql模块
import pymysql#创建实例化对象
db = pymysql.connect(host="localhost",user="root",password="*********",database="orderinfo",charset='utf8mb4',cursorclass=pymysql.cursors.DictCursor)
#创建游标
cursor = db.cursor()#编写SQL语句
sql = "select * from ad limit 5000" #执行SQL语句
cursor.execute(sql)  #取回查询结果集，并将字符串类型结果集转换为列表
result =  cursor.fetchall()
finalresult = list(result) #关闭游标
cursor.close() #关闭数据库连接
db.close()

以上是从数据库中导入数据到Python内存中，没有修改数据库,如果修改数据库，需要增加一个步骤

#导入pymysql模块
import pymysql#创建实例化对象
db = pymysql.connect(host="localhost",user="root",password="**********",database="orderinfo",charset='utf8mb4',cursorclass=pymysql.cursors.DictCursor)
#创建游标
cursor = db.cursor()#查看是否存在数据表
cursor.execute("drop table if exists employee")#编写SQL语句
sql = """CREATE TABLE EMPLOYEE (FIRST_NAME  CHAR(20) NOT NULL,LAST_NAME  CHAR(20),AGE INT,  SEX CHAR(1),INCOME FLOAT )"""   #SQL语句不区分大小写#执行SQL语句
cursor.execute(sql) #提交执行之后不会直接在Mysql中执行，需要提交数据库执行，类似修改数据库的操作都需要db.commit()
db.commit()#向新建的表中插入数据
sql = "INSERT INTO EMPLOYEE(FIRST_NAME, \LAST_NAME, AGE, SEX, INCOME) \VALUES ('%s', '%s',  %s,  '%s',  %s)" % \('Mac','Mohan',20, 'M',2000)# 执行sql语句
cursor.execute(sql)
# 执行sql语句
db.commit()   #注意这里需要提交事务给数据库执行#关闭游标
cursor.close() #关闭数据库连接
db.close()

D:\Anaconda3\lib\site-packages\pymysql\cursors.py:329: Warning: (1051, "Unknown table 'tencent_ad.employee'")self._do_get_result()但是这样连接，过程中可能会出现程序异常情况，为了防止程序崩溃，采用以下两种方法增强代码鲁棒性。

2.4.1 方法一：使用try…except连接防止程序崩溃

#方法一，连接过程使用try...except防止程序崩溃
import pymysql#创建实例化对象
db = pymysql.connect(host="localhost",user="root",password="**********",database="orderinfo",charset='utf8mb4',cursorclass=pymysql.cursors.DictCursor)
#创建游标
cursor = db.cursor()
try:sql = "select * from ad limit 5000"            #SQL查询代码，不需要分号t_start = time.time()                          #设置程序运行开始时间戳cursor.execute(sql)                            #游标执行SQL查询代码result =  cursor.fetchall()                    #获取结果集，此时查询过程已经完成finalresult = list(result)                     #取回的结果是元组，将其进行列表化t_mid = time.time()                            #设置程序运行截点时间戳print("成功获取数据！总共用时：",t_mid-t_start)#打印程序运行信息
except Exception as e:                             #程序异常判断cursor.rollback                                #程序运行异常进行回滚
finally: cursor.close()              #一次查询结束后关闭游标，如果不关闭游标，下次还可以接着使用，但是占用资源db.close()                                     #关闭数据库连接t_end = time.time()                            #设置程序运行结束时间戳print("连接完毕！总共用时：",t_end-t_start)    #打印程序运行信息

成功获取数据！总共用时： 0.06984472274780273
连接完毕！总共用时： 0.06984472274780273

2.4.2 方法二：用with as结构连接

#连接方法二，用with结构，既可以防止程序崩溃，也可以在执行SQL语句之后自动关闭游标
import pymysql#创建实例化对象
db = pymysql.connect(host="localhost",user="root",password="***********",database="orderinfo",charset='utf8mb4',cursorclass=pymysql.cursors.DictCursor)
#创建游标
cursor = db.cursor()
try:with db.cursor() as cursor:cursor.execute("drop table if exists employee")sql = """CREATE TABLE EMPLOYEE (FIRST_NAME  CHAR(20) NOT NULL,LAST_NAME  CHAR(20),AGE INT,  SEX CHAR(1),INCOME FLOAT )"""cursor.execute(sql)db.commit()with db.cursor() as cursor:sql = "INSERT INTO EMPLOYEE(FIRST_NAME, \LAST_NAME, AGE, SEX, INCOME) \VALUES ('%s', '%s',  %s,  '%s',  %s)" % \('Mac','Mohan',20, 'M',2000)# 执行sql语句cursor.execute(sql)# 执行sql语句db.commit()with db.cursor() as cursor:# 读取单条记录sql = "SELECT * FROM EMPLOYEE"cursor.execute(sql)result = cursor.fetchone()print(result)
finally:db.close()

{'FIRST_NAME': 'Mac', 'LAST_NAME': 'Mohan', 'AGE': 20, 'SEX': 'M', 'INCOME': 2000.0}

2.4.3 封装函数以提高代码复用

#如果多需要多次执行查询过程，可以将代码封装成函数
def get_con():      #连接数据库"""获取MySql连接，return：mysql connection"""return pymysql.connect(host="localhost",user="root",password="**********",database="orderinfo",charset='utf8mb4',cursorclass=pymysql.cursors.DictCursor)
def get_query(sql): #进行数据查询"""根据SQL代码进行查询，并返回结果paramater SQLreturn str"""conn = get_con()try:cursor = conn.cursor()cursor.execute(sql)conn.commit()return list(cursor.fetchall())finally:cursor.close()conn.close()def insert_or_update(sql):"""执行插入或更新数据操作paramater insert SQL or update SQLreturn None"""conn = get_con()try:cursor = conn.cursor()cursor.execute(sql)conn.commit() #注意这里只有commit才真正开始执行finally:cursor.close()conn.close()# if __name__ = "__main__":
#     sql = "SELECT * FROM EMPLOYEE"
#     get_query(sql)

三、案例实操

1.从Excel中读取数据，json行简单整理
2.通过Python将数据导入Mysql数据库存储
3.再从Mysql数据库中导出到Python进行数据分析

3.1 从excel中导入数据

#电商产品详情表
dt1 = pd.read_excel(r"C:\Users\1001LoadData\Product_details_rawdata.xlsx")

#查看表的前5行
dt1.head(5)

	item_id	item_name	TradeName	price	total_sale	month_sale	accum_comm	TM_points	CollectCount	Tastes	BodyType	ApplicablePhase	Brand	Classification	Breed	Manufacturer	Weight	Origin	ManufacturerAddress	RecipeTastePrescription
0	19045209534	Royal Canin皇家狗粮德牧幼犬粮AGS30 12KG 大型犬狗粮28省包邮	德国牧羊犬幼犬专用粮 12kg	650.0	2046	39	418	325	348	其他	通用型	幼犬	ROYAL CANIN/皇家	专用粮	德国牧羊犬	皇誉宠物食品（上海）有限公司	12000	中国	上海	NaN
1	547144906363	Royal Canin皇家狗粮柴犬幼犬专用粮SIJ29/3KG 犬主粮狗粮	日本柴犬幼犬 3000g	285.0	560	39	132	142	200	其他	NaN	幼犬	ROYAL CANIN/皇家	NaN	日本柴犬	皇誉宠物食品（上海）有限公司	3000	中国	上海	NaN
2	26255560615	皇家狗粮大型犬奶糕MAS30 4KG哺乳孕期犬离乳期幼犬牧羊阿拉斯加	(大型犬)离乳期奶糕 4kg	301.0	1571	27	390	150	554	其他	大型犬	离乳期	ROYAL CANIN/皇家	奶糕	通用型	皇誉宠物食品（上海）有限公司	4000	中国	上海	NaN
3	39792870853	Royal Canin皇家狗粮迷你雪纳瑞成犬粮SNZ25/3KG 犬主粮	雪纳瑞成犬 3000g	260.0	2113	32	281	130	379	其他	NaN	成犬	ROYAL CANIN/皇家	NaN	雪纳瑞	皇誉宠物食品（上海）有限公司	3000	中国	上海奉贤区肖南路475号	NaN
4	547165690913	Royal Canin皇家狗粮拉布拉多幼犬粮ALR33 3KG 大型犬全犬种热卖	拉布拉多幼犬 3000g	210.0	643	48	173	105	318	其他	NaN	幼犬	ROYAL CANIN/皇家	NaN	拉布拉多	皇誉宠物食品（上海）有限公司	3000	中国	上海	NaN

#查看数据集的基本信息
dt1.info(memory_usage="deep")

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 183 entries, 0 to 182
Data columns (total 20 columns):#   Column                   Non-Null Count  Dtype
---  ------                   --------------  -----  0   item_id                  183 non-null    int64  1   item_name                183 non-null    object 2   TradeName                183 non-null    object 3   price                    183 non-null    float644   total_sale               183 non-null    int64  5   month_sale               183 non-null    int64  6   accum_comm               183 non-null    int64  7   TM_points                183 non-null    int64  8   CollectCount             183 non-null    int64  9   Tastes                   183 non-null    object 10  BodyType                 137 non-null    object 11  ApplicablePhase          183 non-null    object 12  Brand                    183 non-null    object 13  Classification           148 non-null    object 14  Breed                    156 non-null    object 15  Manufacturer             183 non-null    object 16  Weight                   183 non-null    int64  17  Origin                   183 non-null    object 18  ManufacturerAddress      183 non-null    object 19  RecipeTastePrescription  79 non-null     object
dtypes: float64(1), int64(7), object(12)
memory usage: 212.6 KB

#获取数据的列名，以存入数据库
col = dt1.columns
col

Index(['item_id', 'item_name', 'TradeName', 'price', 'total_sale','month_sale', 'accum_comm', 'TM_points', 'CollectCount', 'Tastes','BodyType', 'ApplicablePhase', 'Brand', 'Classification', 'Breed','Manufacturer', 'Weight', 'Origin', 'ManufacturerAddress','RecipeTastePrescription'],dtype='object')

#确定各列的数据类型
varchar = "varchar(60)"
int_ = "int"
float_ = "float"
datatype = [int_,varchar,varchar,float_,int_,int_,int_,int_,int_,varchar,varchar,varchar,varchar,varchar,varchar,varchar,int_,varchar,varchar,varchar]

#将列名和数据类型进行拼接
ncol = pd.DataFrame(list(zip(col,datatype)))
ncol["new"] = ncol[0]+" "+ncol[1]+","
print(ncol["new"])

0                             item_id int,
1                   item_name varchar(60),
2                   TradeName varchar(60),
3                             price float,
4                          total_sale int,
5                          month_sale int,
6                          accum_comm int,
7                           TM_points int,
8                        CollectCount int,
9                      Tastes varchar(60),
10                   BodyType varchar(60),
11            ApplicablePhase varchar(60),
12                      Brand varchar(60),
13             Classification varchar(60),
14                      Breed varchar(60),
15               Manufacturer varchar(60),
16                             Weight int,
17                     Origin varchar(60),
18        ManufacturerAddress varchar(60),
19    RecipeTastePrescription varchar(60),
Name: new, dtype: object

3.2 连接数据库并创建一张新表

#连接数据库，创建数据表Product_details_rawdata对象
sql1 = """create table Product_details_rawdata(item_id bigint,item_name varchar(120),TradeName varchar(60),price float,total_sale int,month_sale int,accum_comm int,TM_points int,CollectCount int,Tastes varchar(60),BodyType varchar(60),ApplicablePhase varchar(60),Brand varchar(60),Classification varchar(60),Breed varchar(60),Manufacturer varchar(60),Weight int,Origin varchar(60),ManufacturerAddress varchar(60),RecipeTastePrescription varchar(60))"""

#成功调用向数据库orderinfo中创建一张新的空表
insert_or_update(sql1)

3.3 将数据导入数据库

方法一：通过命令行进行文件导入

有时候想要一次性导入文件怎么办呢？
在MySQL 8.0中导入csv文件的步骤（因为有安全保护模式，不能在可视化工具或者命令行中直接导入文件）:
1.已管理员身份启动windows命令行。
2.使用  mysql --local-infile=1 -u root -p  命令连接数据库。
3.接触安全模式 set global local_infile = 'ON';
4.查看数据库，使用数据库，查看表 show databases;use orderinfo;desc orderdata;
5.使用下面的命令导入csv文件，注意文件比较大的话，导入时间比较长，光标会在下一行闪动，请耐心等待。->load data local infile "E:\\CBdata\\1、orderdata\\output.csv"->into table orderdata->fields terminated by ","->ignore 1 lines;

#mysql不能直接导入excel文件，只能导入CSV文件，所以若想导入excel文件，还需要转换,
#转换之后还需要在记事本中重新打开，选择utf_8编码

方法二：通过mysqlworkbench图形界面导入文件

方法三:通过for循环一句一句插入到表中

#方法三通过for循环一句一句插入到表中
for i in range(10):sql2 = "INSERT INTO Product_details_rawdata(item_id, item_name, TradeName, price, total_sale,\month_sale, accum_comm, TM_points, CollectCount, Tastes,\BodyType, ApplicablePhase, Brand, Classification, Breed,\Manufacturer, Weight, Origin, ManufacturerAddress,\RecipeTastePrescription) VALUES (%s,'%s','%s',%s,%s,%s,%s,%s,%s,'%s','%s','%s','%s','%s','%s','%s',%s,'%s','%s','%s')" % \tuple(dt1.iloc[i,:].values)insert_or_update(sql2)

方法四:通过pandas自带的导入数据库的功能

#方法四通过pandas自带的导入数据库的功能
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://root:password@localhost:3306/orderinfo')
dt1.to_sql(name='Product_details_rawdata', con=engine, chunksize=1000, if_exists='append', index=None)

D:\Anaconda3\lib\site-packages\pymysql\cursors.py:170: Warning: (1366, "Incorrect string value: '\\xD6\\xD0\\xB9\\xFA\\xB1\\xEA...' for column 'VARIABLE_VALUE' at row 533")result = self._query(query)
D:\Anaconda3\lib\site-packages\pandas\io\sql.py:1422: UserWarning: The provided table name 'Product_details_rawdata' is not found exactly as such in the database after writing the table, possibly due to case sensitivity issues. Consider using lower case table names.warnings.warn(msg, UserWarning)

3.4 将数据从数据库查询导出到pandas

#取出orderinfo库中的Product_details_rawdata表中的全部记录
sql3 = "select * from Product_details_rawdata"        #取出表中所有数据的SQL代码
orginal_data = get_query(sql3)                        #调用函数取出数据
dt2 = pd.DataFrame(orginal_data,columns=col)          #转换为DataFrame

dt2

	item_id	item_name	TradeName	price	total_sale	month_sale	accum_comm	TM_points	CollectCount	Tastes	BodyType	ApplicablePhase	Brand	Classification	Breed	Manufacturer	Weight	Origin	ManufacturerAddress	RecipeTastePrescription
0	19045209534	Royal Canin皇家狗粮德牧幼犬粮AGS30 12KG 大型犬狗粮28省包邮	德国牧羊犬幼犬专用粮 12kg	650.0	2046	39	418	325	348	其他	通用型	幼犬	ROYAL CANIN/皇家	专用粮	德国牧羊犬	皇誉宠物食品（上海）有限公司	12000	中国	上海	None
1	547144906363	Royal Canin皇家狗粮柴犬幼犬专用粮SIJ29/3KG 犬主粮狗粮	日本柴犬幼犬 3000g	285.0	560	39	132	142	200	其他	None	幼犬	ROYAL CANIN/皇家	None	日本柴犬	皇誉宠物食品（上海）有限公司	3000	中国	上海	None
2	26255560615	皇家狗粮大型犬奶糕MAS30 4KG哺乳孕期犬离乳期幼犬牧羊阿拉斯加	(大型犬)离乳期奶糕 4kg	301.0	1571	27	390	150	554	其他	大型犬	离乳期	ROYAL CANIN/皇家	奶糕	通用型	皇誉宠物食品（上海）有限公司	4000	中国	上海	None
3	39792870853	Royal Canin皇家狗粮迷你雪纳瑞成犬粮SNZ25/3KG 犬主粮	雪纳瑞成犬 3000g	260.0	2113	32	281	130	379	其他	None	成犬	ROYAL CANIN/皇家	None	雪纳瑞	皇誉宠物食品（上海）有限公司	3000	中国	上海奉贤区肖南路475号	None
4	547165690913	Royal Canin皇家狗粮拉布拉多幼犬粮ALR33 3KG 大型犬全犬种热卖	拉布拉多幼犬 3000g	210.0	643	48	173	105	318	其他	None	幼犬	ROYAL CANIN/皇家	None	拉布拉多	皇誉宠物食品（上海）有限公司	3000	中国	上海	None
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
178	521103456733	海洋之星深海鱼成犬狗粮无谷天然粮中小型犬成犬狗粮12kg小颗粒	成犬无谷物深海鱼大颗粒配方犬粮其它	710.0	7173	388	2226	355	1171	鱼肉味	通用型	成犬	Fish4Dogs/海洋之星	犬粮	通用型	山东海创工贸有限公司	6000	中国	山东省聊城市经济开发区牡丹江路8号	无谷物深海鱼大颗粒配方
179	545052402563	海洋之星狗粮试吃装泰迪比熊玩具犬幼犬成犬全犬期小颗粒三包*30g	全犬期鱼味犬粮 100g	9.9	10623	349	3003	12	578	鱼肉味	None	全犬期	Fish4Dogs/海洋之星	犬粮	通用型	海洋之星	100	其他	Fish4Dogs.Ltd	鱼味
180	521103920550	海洋之星狗粮通用型天然粮中小型犬幼犬主粮泰迪博美比熊1.5kg	幼犬无谷物深海鱼幼犬配方大颗粒犬粮 1.5kg	160.0	25402	614	7582	80	7682	鱼肉味	通用型	幼犬	Fish4Dogs/海洋之星	犬粮	通用型	山东海创工贸有限公司	1500	中国	山东省聊城市经济开发区牡丹江路8号	无谷物深海鱼幼犬配方大颗粒
181	534102297282	海洋之星狗粮试吃装泰迪比熊贵宾幼犬通用型小颗粒美毛三包*30g	(中小型犬)幼犬深海鱼配方犬粮 100g	9.9	30387	1018	8754	4	2003	鱼肉味	中小型犬	幼犬	Fish4Dogs/海洋之星	犬粮	通用型	海洋之星	100	其他	Fish4Dogs.Ltd	深海鱼配方
182	521100097514	海洋之星三文鱼狗粮泰迪吉娃娃贵宾玩具犬狗粮无谷天然粮6kg	贵宾/泰迪无谷物三文鱼玩具犬配方犬粮	440.0	8286	573	2659	220	1750	鱼肉味	小型犬	全犬期	Fish4Dogs/海洋之星	专用粮	贵宾/泰迪	山东海创工贸有限公司	6000	中国	山东省聊城市经济开发区牡丹江路8号	无谷物三文鱼玩具犬配方

183 rows × 20 columns

1001系列之pandas0001如何从Mysql数据库中导入导出数据相关推荐

MySQL数据库中导入导出方法以及工具介绍
MySQL数据库中导入导出方法以及工具介绍 1.MySQLimport的语法介绍: mysqlimport位于mysql/bin目录中,是mysql的一个载入(或者说导入)数据的一个非常有效的工具.这 ...
如何在 MySQL / MariaDB 中导入导出数据，导入导出数据库文件、Excel、CSV
文章目录本教程将详细讲解 1. MySQL / MariaDB 数据库数据「导出」 2. MySQL / MariaDB 数据库数据「导入」 3. 使用「卡拉云」一键导入导出 MySQL / Mar ...
linux mysql导出导入表_linux mysql 数据库操作导入导出数据表导出导入
在Linux下安装和使用MySQL [简介] 想使用Linux已经很长时间了,由于没有硬性任务一直也没有系统学习,近日由于工作需要必须使用Linux下的MySQL.本以为有Windows下使用SQL ...
从Mysql数据库中导入导出表结构
1.从Mysql数据库中导入sql表很简单,只需要一个命令即可搞定: [root@localhost ~]# mysql -uroot -piweb_xxx_mysql iweb < modi ...
从mysql数据库中删除一行数据_mysql数据库删除一行数据
[MySQL]命令行工具和基本操作原文:[MySQL]命令行工具和基本操作一 MySQL命令行工具 (查看帮助 ---help,或 -?) 1)MySQL MySQL是一个简单的SQL外壳(有G ...
java实现 mysql导入_怎么用java实现mysql数据库的导入导出
匿名用户 1级 2018-11-21 回答使用Java实现对MySql数据库的导入与导出 package com.project.ajaxs; import java.io.BufferedRead ...
在mysql数据库中如何导出数据库_MYSQL导出数据库的一些方法
从网上找到一些问题是关于如何从MySQL中导出数据,以便用在本地或其它的数据库系统之上:以及将现有数据导入MySQL数据库中. 数据导出数据导出主要有以下几种方法: 使用select into o ...
mysql数据库导入excel_如何在MySQL数据库中导入excel文件内的数据详细始末
在开发项目的时候通常需要使用数据库,数据库Database是用来存储和管理数据的仓库.下面,我们以MySQL数据库为例来看看如何在数据库中导入excel文件内的数据吧. 操作方法 01 MySQL 打 ...
mysql xml_如何在MySQL数据库中使用XML数据
[IT168 技术文档]通过XML使系统之间的数据交换变得更简单,因为它与编程语言无关,刚引入XML的概念时,是通过一个脚本或应用程序解析XML数据,将其转换为适合于数据库和底层系统的有效格式,后来, ...

1001系列之pandas0001如何从Mysql数据库中导入导出数据

一、Pymysql模块简介

1.1cursor（游标）的作用

二、实际操作连接数据库

2.1 导入pymysql

2.2 连接Mysql数据库

2.2.1 pymysql.connect()参数说明

2.2.2pymysql.connect()实例对象方法说明

2.3 创建游标

2.3.1 db.cursor()指针对象游标的方法

2.4 连接的最简全部环节

2.4.1 方法一：使用try…except连接防止程序崩溃

2.4.2 方法二：用with as结构连接

2.4.3 封装函数以提高代码复用

三、案例实操

3.1 从excel中导入数据

3.2 连接数据库并创建一张新表

3.3 将数据导入数据库

方法一：通过命令行进行文件导入

方法二：通过mysqlworkbench图形界面导入文件

方法三:通过for循环一句一句插入到表中

方法四:通过pandas自带的导入数据库的功能

3.4 将数据从数据库查询导出到pandas

1001系列之pandas0001如何从Mysql数据库中导入导出数据相关推荐

最新文章

热门文章