法一: pymysql
步骤 1:连接 MySQL 数据库
首先,我们需要使用 pymysql 库来连接 MySQL 数据库。具体代码如下:
import pymysql
# 连接 MySQL 数据库
conn = pymysql.connect(
host='159.xxx.xxx.216', # 主机名
port=3306, # 端口号,MySQL默认为3306
user='xxxx', # 用户名
password='xxxx', # 密码
database='xx', # 数据库名称
)
步骤 2:执行 SQL 查询语句
连接 MySQL 数据库之后,我们就可以使用游标对象来执行 SQL 查询语句,如下所示:
# 创建游标对象
cursor = conn.cursor()
# 执行 SQL 查询语句
cursor.execute("SELECT * FROM users WHERE gender='female'")
# 获取查询结果
result = cursor.fetchall()
使用 cursor() 方法创建游标对象 cursor,并使用 execute() 方法执行 SQL 查询语句。在执行查询时,我们可以使用任何符合 MySQL 语法的 SQL 查询语句。最后,我们使用 fetchall() 方法获取查询结果。
步骤 3:将查询结果转化为 Pandas dataframe 对象
获取查询结果之后,我们需要将其转化为 Pandas dataframe 对象,以便于进行进一步的数据处理和分析。具体代码如下
import pandas as pd
# 将查询结果转化为 Pandas dataframe 对象
df = pd.DataFrame(result, columns=[i[0] for i in cursor.description])
步骤 4:关闭游标和数据库连接
最后,我们需要关闭游标对象和数据库连接,以释放资源
# 关闭游标和数据库连接
cursor.close()
conn.close()
法二:SQLAlchemy
使用 SQLAlchemy 的 create_engine 函数连接 MySQL 数据库
除了使用 pymysql 库连接 MySQL 数据库之外,我们还可以使用 SQLAlchemy 的 create_engine 函数创建 MySQL 数据库连接引擎,并使用 Pandas 库中的 read_sql 函数直接将查询结果转化为 Pandas dataframe 对象。
# 步骤 1:创建 MySQL 数据库连接引擎
from sqlalchemy import create_engine
# 创建 MySQL 数据库连接引擎
engine = create_engine('mysql+pymysql://username:password@host:port/database')
步骤 2:执行 SQL 查询语句并将结果转化为 Pandas dataframe 对象
import pandas as pd
# 执行 SQL 查询语句,并将结果转化为 Pandas dataframe 对象
df = pd.read_sql("SELECT * FROM users WHERE gender='female'", con=engine)
# 关闭数据库连接
engine.dispose()
使用 create_engine 函数创建了一个 MySQL 数据库连接引擎。其中,我们需要将数据库连接信息输入到一个字符串中,并作为函数的参数传入。其中,username 和 password 分别表示登录 MySQL 数据库所需的用户名和密码,host 和 port 表示 MySQL 数据库的主机名和端口号,database 表示要连接的 MySQL 数据库名称。
接着使用使用 pd.read_sql() 函数执行 SQL 查询语句,并将数据库连接引擎对象 engine 作为参数传入。在执行查询时,我们可以使用任何符合 MySQL 语法的 SQL 查询语句。最后,该函数将返回查询结果的 Pandas dataframe 对象。
最后,我们需要关闭数据库连接,以释放资源。
法三:mysql-connector-python
1. 安装MySQL驱动
在开始之前,需要安装Python的MySQL数据库驱动程序。
最常用的驱动程序之一是mysql-connector-python
使用pip进行安装:
pip install mysql-connector-python
2. 连接MySQL数据库
在进行任何数据库操作之前,首先需要建立与MySQL数据库的连接。通常,需要提供数据库的主机名、用户名、密码和数据库名称。
以下是连接到MySQL数据库的示例:
import mysql.connector
# 创建数据库连接
db = mysql.connector.connect(
host="localhost", # MySQL服务器地址
user="username", # 用户名
password="password", # 密码
database="mydatabase" # 数据库名称
)
# 创建游标对象,用于执行SQL查询
cursor = db.cursor()
3. 创建数据库
创建一个新的数据库,可以执行以下操作:
# 创建一个名为"mydatabase"的新数据库
cursor.execute("CREATE DATABASE mydatabase")
4. 创建数据表
在数据库中,数据以表格形式组织。在创建表格之前,需要定义表格的结构,包括列名、数据类型和约束。
以下是一个示例:
# 创建一个名为"customers"的数据表
cursor.execute("CREATE TABLE customers (id INT AUTO_INCREMENT PRIMARY KEY, name VARCHAR(255), address VARCHAR(255))")
5. 插入数据
插入数据是将数据添加到数据表中的过程。可以使用SQL的INSERT INTO语句来执行插入操作。
以下是一个示例:
# 插入一条记录到"customers"表中
sql = "INSERT INTO customers (name, address) VALUES (%s, %s)"
values = ("John Smith", "123 Main St")
cursor.execute(sql, values)
# 提交更改到数据库
db.commit()
print(f"插入了 {cursor.rowcount} 条记录")
6. 查询数据
查询数据是从数据库中检索数据的过程。使用SQL的SELECT语句来执行查询操作。
以下是一个示例:
# 查询所有记录
cursor.execute("SELECT * FROM customers")
# 获取查询结果
results = cursor.fetchall()
for row in results:
print(row)
7. 更新数据
更新数据是修改现有数据的过程。使用SQL的UPDATE语句来执行更新操作。
以下是一个示例:
# 更新"customers"表中id为1的记录
sql = "UPDATE customers SET address = %s WHERE id = %s"
values = ("456 Elm St", 1)
cursor.execute(sql, values)
# 提交更改到数据库
db.commit()
print(f"更新了 {cursor.rowcount} 条记录")
8. 删除数据
删除数据是从数据库中删除数据的过程。使用SQL的DELETE语句来执行删除操作。
以下是一个示例:
# 删除"customers"表中id为1的记录
sql = "DELETE FROM customers WHERE id = %s"
values = (1,)
cursor.execute(sql, values)
# 提交更改到数据库
db.commit()
print(f"删除了 {cursor.rowcount} 条记录")
9. 执行事务
事务是一组SQL操作,要么全部成功,要么全部失败。在某些情况下,需要使用事务来确保数据库的完整性。
以下是一个示例:
try:
db.start_transaction()
# 执行一系列SQL操作
cursor.execute("INSERT INTO customers (name, address) VALUES (%s, %s)", ("Alice", "789 Oak St"))
cursor.execute("UPDATE customers SET address = %s WHERE id = %s", ("789 Elm St", 2))
db.commit() # 提交事务
except:
db.rollback() # 事务回滚,撤销之前的操作
10. 关闭数据库连接
在完成数据库操作后,不要忘记关闭数据库连接,以释放资源。
cursor.close() # 关闭游标
db.close() # 关闭数据库连接
11.完整MySQL数据库编程示例
示例:一个完整的MySQL数据库编程示例
以下是一个完整的MySQL数据库编程示例,包括连接数据库、创建表格、插入数据、查询数据、更新数据和删除数据:
import mysql.connector
# 创建数据库连接
db = mysql.connector.connect(
host="localhost",
user="username",
password="password",
database="mydatabase"
)
# 创建游标对象
cursor = db.cursor()
# 创建一个名为"customers"的数据表
cursor.execute("CREATE TABLE customers (id INT AUTO_INCREMENT PRIMARY KEY, name VARCHAR(255), address VARCHAR(255))")
# 插入记录
sql = "INSERT INTO customers (name, address) VALUES (%s, %s)"
values = [("John Smith", "123 Main St"), ("Alice Johnson", "456 Elm St")]
cursor.executemany(sql, values)
db.commit()
# 查询记录
cursor.execute("SELECT * FROM customers")
results = cursor.fetchall()
for row in results:
print(row)
# 更新记录
sql = "UPDATE customers SET address = %s WHERE name = %s"
values = ("789 Oak St", "Alice Johnson")
cursor.execute(sql, values)
db.commit()
# 删除记录
sql = "DELETE FROM customers WHERE name = %s"
values = ("John Smith",)
cursor.execute(sql, values)
db.commit()
# 关闭游标和数据库连接
cursor.close()
db.close()
12.安全性注意事项
在进行数据库编程时,请务必注意安全性。避免直接将用户提供的数据插入SQL语句,以防止SQL注入攻击。可以使用参数化查询或ORM(对象关系映射)来增强安全性。
法一、法二函数封装
以上介绍了两种方法来连接 MySQL 数据库,并将查询结果转化为 Pandas dataframe 对象。为了方便重复使用,我们可以将这些代码封装成一个函数。
import pandas as pd
import pymysql
from sqlalchemy import create_engine
def query_mysql(sql_query, host=None, port=None, user=None, password=None, database=None, engine=None):
"""
连接 MySQL 数据库,执行查询,并将查询结果转化为 Pandas DataFrame 对象。
:param sql_query: SQL 查询语句
:param host: 主机名,默认为 None
:param port: 端口号,默认为 None
:param user: 用户名,默认为 None
:param password: 密码,默认为 None
:param database: 数据库名称,默认为 None
:param engine: SQLAlchemy 的数据库引擎对象,默认为 None
:return: Pandas DataFrame 对象
"""
# 如果未提供数据库连接引擎,则使用 pymysql 库连接 MySQL 数据库
if engine is None:
# 连接 MySQL 数据库
conn = pymysql.connect(
host=host,
port=port,
user=user,
password=password,
database=database,
)
# 创建游标对象
cursor = conn.cursor()
# 执行 SQL 查询语句
cursor.execute(sql_query)
# 获取查询结果
result = cursor.fetchall()
# 将查询结果转化为 Pandas DataFrame 对象
df = pd.DataFrame(result, columns=[i[0] for i in cursor.description])
# 关闭游标和数据库连接
cursor.close()
conn.close()
# 如果已提供数据库连接引擎,则使用 SQLAlchemy 库连接 MySQL 数据库
else:
# 执行 SQL 查询语句,并将结果转化为 Pandas DataFrame 对象
df = pd.read_sql(sql_query, con=engine)
return df
在上面的代码中,我们创建了一个名为 query_mysql 的函数,用于连接 MySQL 数据库,并执行查询操作。该函数接受以下参数:
- sql_query:SQL 查询语句;
- host:主机名,默认为 None;
- port:端口号,默认为 None;
- user:用户名,默认为 None;
- password:密码,默认为 None;
- database:数据库名称,默认为 None;
- engine:SQLAlchemy 的数据库引擎对象,默认为 None。
在函数中,我们首先判断是否已提供数据库连接引擎对象。如果未提供,则使用 pymysql 库连接MySQL 数据库,并执行查询操作,步骤与前面的第一种方法相同。如果已提供数据库连接引擎对象,则使用 SQLAlchemy 库连接 MySQL 数据库,并执行查询操作,步骤与前面的第二种方法相同。
最后,在函数中我们返回查询结果的 Pandas dataframe 对象。
# 使用 pymysql 库连接 MySQL 数据库
df1 = query_mysql(
sql_query="SELECT * FROM users WHERE gender='female'",
host='159.xxx.xxx.216', # 主机名
port=3306, # 端口号,MySQL默认为3306
user='xxxx', # 用户名
password='xxxx', # 密码
database='xx', # 数据库名称
)
# 使用 SQLAlchemy 库连接 MySQL 数据库
engine = create_engine('mysql+pymysql://xxx:xxx@localhost:3306/ad')
df2 = query_mysql(sql_query="SELECT * FROM users WHERE gender='female'", engine=engine)
通过使用 query_mysql 函数,我们可以更加方便地连接 MySQL 数据库并查询数据,并且代码量更少、可读性更好。同时,由于该函数使用了 pymysql 和 SQLAlchemy 两个库,因此也具有较好的跨平台性,可以在不同的操作系统和环境下运行。
模板
1.pymysql模版
# 法一:
import pymysql
import pandas as pd
def query_data(sql_query):
# 连接数据库
conn = pymysql.connect(
host='xxx.xxx.xxx.xxx', # 主机名
port=3306, # 端口号,MySQL默认为3306
user='xxx', # 用户名
password='xxx', # 密码
database='xxx', # 数据库名称
)
try:
# 创建游标对象
cursor = conn.cursor()
# 执行 SQL 查询语句
cursor.execute(sql_query)
# 获取查询结果
result = cursor.fetchall()
# 获取查询结果的字段名和元数据
columns = [col[0] for col in cursor.description]
# 将查询结果封装到 Pandas DataFrame 中
df = pd.DataFrame(result, columns=columns)
return df
finally:
# 关闭游标和连接
cursor.close()
conn.close()
db_data = query_data(sql_query)
2.sqlalchemy模版
1)普通版
from sqlalchemy import create_engine
import pandas as pd
def getdata_from_db(query, db, host='xxx.xxx.xxx.xxx', port=3306, user='xxx', password='xxx'):
try:
engine = create_engine(f'mysql+pymysql://{user}:{password}@{host}:{port}/{db}?charset=utf8')
# 使用 with 语句自动管理连接的生命周期
with engine.connect() as conn:
data = pd.read_sql(query, conn)
return data
except Exception as e:
print(f"Error occurred when executing SQL query: {e}")
return None
db_data = getdata_from_db(sql_query, 'ad')
2)精简版
# 超级精简版
from sqlalchemy import create_engine
import pandas as pd
engine = create_engine(f'mysql+pymysql://xxx:xxx@xxx:3306/xx?charset=utf8')
db_data = pd.read_sql(sql, engine)
db_data.head()
在访问数据库时,可能存在一些潜在的问题和注意事项。
- 首先,在使用 pandas.read_sql() 时,需要在 SQL 查询语句中包含所有必要的过滤条件、排序方式等信息,以确保返回的结果集合是正确的,而不是整个表或视图中的所有数据。如果没有限制返回的数据量,可能会导致内存溢出或其他性能问题。因此,在实际应用中,推荐使用 LIMIT 等关键字来设置最大返回数据量,以便更好地控制查询结果。
- 其次,在实际生产环境中,为了避免泄漏敏感信息和减少攻击面,建议将数据库连接字符串等敏感信息存储在单独的配置文件中,并且只授权给有限的用户使用。另外,在向 SQL 查询语句中传递参数时,也需要进行安全过滤和转义,以避免 SQL 注入等安全问题。
- 最后,在使用完毕后,需要及时关闭数据库连接,以释放资源并减少数据库服务器的负载。或者,可以使用 with 语句自动管理连接的生命周期。
总之,学习如何连接 MySQL 数据库并将查询结果转化为 Pandas dataframe 对象是数据分析和建模过程中的重要一步
原文链接:https://blog.csdn.net/Saki_Python/article/details/134135687
原文链接:https://blog.csdn.net/weixin_44976611/article/details/130733910