Python pandas.read_sql_query() 使用示例(demo)代码

pandas.read_sql_query() 是一个非常有用的函数，允许你直接从数据库执行SQL查询，并将结果作为一个 DataFrame 对象返回。这种方式对于数据分析和数据科学特别有用，因为它允许快速地从数据库中读取数据并使用Pandas进行进一步的分析和处理。

以下是使用 pandas.read_sql_query() 的一个简单示例。在这个示例中，我们将连接到一个SQLite数据库，执行一个查询，并将结果加载到Pandas的 DataFrame 中。

准备工作

首先，你需要安装 pandas 和 SQLAlchemy。SQLAlchemy 是一个数据库工具包，它提供了一个高级的ORM和直接的数据库连接功能。这里我们将使用它来连接数据库。

pip install pandas sqlalchemy

示例代码

以下是一个完整的Python脚本，展示了如何使用 pandas.read_sql_query()：

import pandas as pd
from sqlalchemy import create_engine

# 创建数据库连接
# 这里使用SQLite数据库，可以根据实际情况替换为其他数据库的连接字符串
engine = create_engine('sqlite:///path_to_your_database.db')

# 定义SQL查询
query = """
SELECT * FROM your_table_name
WHERE some_column > some_value
LIMIT 10;
"""

# 使用pandas的read_sql_query()函数执行SQL查询并获取结果
df = pd.read_json(query, con=engine)

# 显示查询结果的前几行
print(df.head())

# 关闭数据库连接（如果不是使用的 context manager）
engine.dispose()

代码解析

• 创建数据库连接：create_engine('sqlite:///path_to_your_database.db') 这里创建了一个到SQLite数据库的连接。如果你使用的是其他类型的数据库（如MySQL、PostgreSQL等），你需要安装相应的数据库驱动，并提供正确的连接字符串。
• 定义SQL查询：query 变量包含了将要执行的SQL查询。确保根据你的数据库结构调整这个查询。
• 执行查询：pd.read_sql_query(query, con=engine) 接收SQL查询和连接对象，执行查询并返回结果。
• 打印结果：print(df.head()) 显示结果的前几行，帮助快速查看查询结果是否正确。
• 关闭连接：最后调用 engine.dispose() 来关闭和释放数据库连接。如果你的脚本中频繁打开和关闭数据库连接，更好的做法是使用Python的 with 语句来管理连接的生命周期。

参考文档：Python pandas.read_sql_query() 使用示例(demo)代码-CJavaPy