关于python下的mysql数据库查询存储操作

鉴于使用mysql的时候，在查询和存储数据主要是用dataframe的格式

查询操作如果使用cursor没有办法一步得到dataframe，如果使用pd.read_sql()或者read_sql_table（）操作会更方便，在这里我使用read_sql()。插入的时候使用pd.io.sql.to_sql（）函数能够直接将dataframe放入数据库，更加便捷，具体的操作如下，所需要的包在代码中体现：

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import pymysql
from sqlalchemy import create_engine#一个sql操作的引擎 很重要

########数    据   库   查   询   存   储   操   作   实   验###########

# 打开数据库连接
db = pymysql.connect("localhost", "root", "自己的密码", "database",3306)
#conn = create_engine('mysql+mysqldb://root:password@localhost:3306/databasename?charset=utf8')  示例
conn = create_engine('mysql+pymysql://root:自己的密码@localhost:3306/database?charset=utf8')
#现在普遍是pymysql引擎 如果是python3.4一下或者python2的可以使用mysqldb替换
cursor=db.cursor()

sql="select * from flow_data limit 10"
df=pd.read_sql(sql,db)
print(df.index)

sql2="truncate table predict_flow_data"

cursor.execute(sql2)
#注意此操作不能插入大的的dataframe，所以适当的适合需要分片处理
#注意可以用df.to_sql 二者都可以，我认为pd.io.sql.to_sql()更灵活
#pd.io.sql.to_sql(df, "predict_flow_data",con=conn,if_exists='append',index=False)
df.to_sql(name="predict_flow_data",con=conn,if_exists='append',index=False)