Pandas中用with结构与MySQL数据库交互

Python中，with可以让代码更简练，若产生异常，清理工作更简单

Pandas中使用to_sql和read_sql数据库进行数据交换，一般的代码中，我们都要先建立连接connect，然后使用to_sql或者read_sql。为了防止异常中断整个程序，往往使用try语句保证程序正常运行。

如果追求更加Pythonic的代码，可以用with结构来使代码更加精简
我最初模仿with open as 的结构，尝试的代码是这样的

对于read_sql来说

import MySQLdb

sql = '*************'
with MySQLdb.connect(ip, user, password, dbname, charset='utf8') as conn:
	res = pd.read_sql(sql, conn)

是我把关闭文件的close()跟关闭数据库连接的close()混淆了
百度了半天之后，在一位大神的博客里找到了方法（写这篇博文的时候，回去找那个博客却找不到了）

import MySQLdb
from contextlib import closing

sql = '*************'
with closing(MySQLdb.connect(ip, user, password, dbname, charset='utf8')) as conn:
	res = pd.read_sql(sql, conn)

我看了一些技术文章，都是用sqlalchemy，pymysql/mysql.connector来读取MySQL中的数据，例如在http://www.itkeyword.com/doc/2039969901128520x595/writing-to-mysql-database-with-pandas-using-sqlalchemy-to-sql 看到的

import pandas as pd
import mysql.connector
from sqlalchemy import create_engine

engine = create_engine('mysql+mysqlconnector://[user]:[pass]@[host]:[port]/[schema]', echo=False)
cnx = engine.raw_connection()
data = pd.read_sql('SELECT * FROM sample_table', cnx)

感觉这么写更加正规一些，因为read_sql的反向操作to_sql只支持两类MySQL引擎，一个是sqlalchemy，另一个是sqlliet3

具体可以参考：
http://blog.csdn.net/qq_34685317/article/details/72896306

关于contextlib的介绍，和关于with结构的解析，参考：
https://www.ibm.com/developerworks/cn/opensource/os-cn-pythonwith/

to_sql这么写还是会报错
DatabaseError: Execution failed on sql ‘SELECT name FROM sqlite_master WHERE type=‘table’ AND name=?;’: not all arguments converted during string formatting

原因我找了一下，是因为pandas的to_sql支持的引擎并不多，参见其con参数：

con : SQLAlchemy engine or DBAPI2 connection (legacy mode)
    Using SQLAlchemy makes it possible to use any DB supported by that library. If a DBAPI2 object, only sqlite3 is supported.

简单的说，to_sql就只支持SQLAlchemy和SQLite3。SQLite3用法非常简单，我这边就不详细介绍了，而SQLAlchemy大家可以参考我的github，好用记得给个赞呀！
我的SQLAlchemy代码