execl/python读取数据库（ Access、MySQL）

my向阳而生

已于 2024-04-10 12:16:46 修改

阅读量1.5k

点赞数 7

分类专栏： python相关数据分析 MySQL 文章标签：数据库

于 2024-03-12 00:05:49 首次发布

本文链接：https://blog.csdn.net/u014694915/article/details/136614523

版权

数据分析同时被 3 个专栏收录

11 篇文章 2 订阅

订阅专栏

python相关

10 篇文章 0 订阅

订阅专栏

MySQL

8 篇文章 0 订阅

订阅专栏

一、读取access数据库

（一）execl读取数据库

1.搜索ODBC（注意自己的execl是64位还是32位）

2.安装数据源的驱动程序

3.打开execl

4. 补充：选择数据源时，也可以直接在execl中选择数据源

一、读取access数据库

Microsoft Office Access是专为Windows用户设计的一个桌面数据库系统，它提供了一种简便的方式来创建和管理数据库。

一般文件格式是mdb

（一）execl读取数据库

比如要获取mdb文件的数据源

1.搜索ODBC（注意自己的execl是64位还是32位）

windows电脑搜索ODBC数据源（正常内置都有，没有的话就得自己安装）

2.安装数据源的驱动程序

2.1 Microsoft Access Driver(用于访问mdb文件数据源)

（1）用户DSN--添加--确定--》Microsoft Access Driver--完成

（2）ODBC Microsoft Access安装

数据源名可随意设置，根据自己的需要--“选择”（选择自己mdb文件的存放路径）

3.打开execl

数据--获取数据--自其他源--自Microsoft Query(M)--上一步设置的数据源名

选择上一步设置的数据源名

在选择列的过程中，点击“取消”

选择需要的表进行添加

选择需要的字段

保存

导入execl

效果如下：

4. 补充：选择数据源时，也可以直接在execl中选择数据源

数据--获取数据--自其他源--自Microsoft Query(M)--新数据源

（二）Python读取数据源

1.python读取mdb文件数据

# 下面代码为打开和阅读foodmart2000.mdb数据的代码
import pyodbc
import pandas as pd

# 创建连接字符串
conn_str = (
    r'DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};'
    r'DBQ=C:\**\foodmart2000.mdb;'  # mdb文件的位置
)

# 创建连接
conn = pyodbc.connect(conn_str)

# 执行 SQL 查询并将结果存储在 DataFrame 中
sql = 'SELECT * FROM customer'  # 替换为你的表名
df = pd.read_sql_query(sql, conn)

# 打印 DataFrame
#print(df)

# 关闭连接
conn.close()
# 打印前5行
df.head(5)


if __name__ == '__main__':
    print('get odbc')

上面的方法有警告

UserWarning: pandas only supports SQLAlchemy connectable (engine/connection) or database string URI or sqlite3 DBAPI2 connection. Other DBAPI2 objects are not tested. Please consider using SQLAlchemy.

（1）忽略警告userWarning

import warnings

warnings.filterwarnings("ignore")

再次运行正常

二、读取mysql数据库

（一）execl连接MySQL数据库

1.下载 MySQL ODBC

MySQL :: Download Connector/ODBC

注意根据execcl版本下载（64或32位，很重要！！）

需要先按照Visual Studio 2019 x64,然后再运行下载的应用

在ODBC数据源管理中的驱动程序就可以看到有关MySQL的内容

2. 安装数据源的驱动程序

（1）用户DSN--添加--确定--》MySQL ODBC 8.2 Unicode Driver--完成

3.打开execl

数据--获取数据--自其他源--从ODBC（D）--确定

选择需要的表

效果如下：弹出Power Query编辑器

根据需要增删数据，然后“关闭并上载”

（二）python读取Mysql数据

启动MySQLf服务（管理员运行cmd）

net start mysql  # 启动服务
net stop mysql  # 停止服务

进入MySQL命令模式

mysql -u root -p

获取mysql的host和user名

select host,user from mysql.user；

#导入包
import pandas as pd
import sqlalchemy as sql


# 建立链接
engine = sql.create_engine('mysql+pymysql://root:***@localhost:3306/mayfood')
# 格式 engine = sql.create_engine('mysql+pymysql://用户名:密码@地址:端口号/数据库名字')

# 查询语句
sql24 = '''select * from customer'''

# 读入到Python
df = pd.read_sql(sql24, engine)

# f = df.head(20)  # 获取前20条数据
# print(f)
# 如果还需要导出到xlsx或csv
df.to_excel("food_e.xlsx", index=False)
df.to_csv("food_c.csv", index=False, encoding="utf_8_sig")

if __name__ == '__main__':
    print('get odbc')

补充：

pd.read_sql( )完整函数

read_sql(sql,con,index_col='None',coerce_float='True',params='None',parse_dates='None',columns='None',chunksize:None='None')

ead_sql方法是pandas中用来在数据库中执行指定的SQL语句查询或对指定的整张表进行查询,以DataFrame 的类型返回查询结果.

其中各参数意义如下:

sql:需要执行的sql语句

con：连接数据库所需的engine，用其他数据库连接的包建立,例如SQLalchemy和pymysql

index_col: 选择哪列作为index

coerce_float:将数字形字符串转为float

parse_dates:将某列日期型字符串转换为datetime型数据

columns:选择想要保留的列

chunksize：每次输出多少行数据