Python pandas.read_sql_query()常用操作方法代码

Python 的 pandas 库中，read_sql_query() 函数是一种非常有用的方法，它允许你直接从数据库执行 SQL 查询并将结果作为 DataFrame 对象返回。以下是一些使用 pandas.read_sql_query() 的常见操作方法的示例代码。

基本使用

首先，你需要安装必要的库（如果尚未安装的话）：

pip install pandas sqlalchemy

然后，你可以用以下步骤来执行一个基本的 SQL 查询：

import pandas as pd
from sqlalchemy import create_engine

# 创建数据库连接
engine = create_engine('sqlite:///your_database.db')  # SQLite 示例

# 使用 read_sql_query() 执行查询
query = "SELECT * FROM your_table"
df = pd.read_sql_query(query, engine)

print(df)

参数配置

read_sql_query() 函数提供了几个参数，可以根据需要进行配置：

• sql: SQL 查询字符串或者 SQLAlchemy Selectable（如 SQL Expression Language 表达式）。
• con: 数据库连接对象，可以是 SQLAlchemy 连接引擎/连接对象或者 SQLite3 连接。
• index_col: 用作结果 DataFrame 的索引列的列名或列的列表。
• coerce_float: 将数值解析为浮点数，默认为 True。
• params: 传递给 SQL 查询的参数，可以是列表、字典或元组。
• parse_dates: 指定应该被解析为日期的列。
• chunksize: 分块的行数，返回可迭代对象。

使用参数

例如，你可以使用参数来传递数据，这有助于防止 SQL 注入：

query = "SELECT * FROM your_table WHERE id = :id"
df = pd.read_sql_query(query, engine, params={"id": 1})
print(df)

解析日期

如果你的数据中包含日期，并且你想在读取时将其解析为日期类型：

query = "SELECT id, date_column FROM your_table"
df = pd.read_sql_query(query, engine, parse_dates=['date_column'])
print(df)

使用 chunksize

当处理大型数据库时，你可能想要分批次处理数据：

query = "SELECT * FROM your_table"

# 使用 chunksize
for chunk in pd.read_sql_query(query, engine, chunksize=100):
    print(chunk)  # 每个 chunk 是一个 DataFrame

参考文档：Python pandas.read_sql_query()常用操作方法代码-CJavaPy