pandas是基于numpy 的一种工具，该工具是为了解决数据分析任务而创建的。pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下pandas中read_sql_query方法的使用。
pandas.read_sql_query(sql，con，index_col = none，coerce_float = true，params = none，parse_dates = none，chunksize = none)
将sql查询读入dataframe。
返回与查询字符串的结果集对应的dataframe。（可选）提供index_col参数以使用其中一列作为索引，否则将使用默认整数索引。
参数：
sql：string sql查询或sqlalchemy selectable（select或文本对象）要执行的sql查询。
con：sqlalchemy可连接（引擎/连接），数据库字符串uri，或sqlite3 dbapi2连接使用sqlalchemy可以使用该库支持的任何数据库。如果是dbapi2对象，则仅支持sqlite3。
index_col：字符串或字符串列表，可选，默认值：无
要设置为索引的列（multiindex）。
coerce_float：boolean，默认为true
尝试将非字符串，非数字对象（如decimal.decimal）的值转换为浮点值。
对sql结果集很有用。
params：list，tuple或dict，optional，default：none
要传递给执行方法的参数列表。用于传递参数的语法取决于数据库驱动程序。
检查数据库驱动程序文档，
了解pep 249的paramstyle中描述的五种语法样式中的哪一种。例如,对于psycopg2，使用%(name)s，所以使用params = {‘name’：’value’}
parse_dates：list或dict，默认值：none
要解析为日期的列名列表。
{column_name: format string}格式的字典，其中，格式字符串在解析字符串时间时是与strftime兼容的，或者在解析整数时间戳时是(d、s、ns、ms、us)兼容的。
{column_name: arg dict}格式的字典，其中arg dict对应于关键字参数,特别适用于没有本机datetime支持的数据库，
例如sqlite。pandas.to_datetime()
chunksize：int，默认无
如果指定，则返回一个迭代器，其中chunksize是要包含在每个块中的行数。
返回：
数据帧
例如，
import mysqldb
conn= mysqldb.connect(host='myhost',port=3306,user='myusername', passwd='mypassword',
db='information_schema')
sql ="""
select
danceability, energy, loudness, speechiness, acousticness,
instrumentalness, liveness, valence, tempo, activity
from songs s, users u, song_user su
where
activity is not null and
s.id = su.song_id and
su.user_id = u.id and
u.telegram_user_id = {}
""".format(telegram_id)
df_mysql = pd.read_sql_query(sql, conn)
conn.close()
到此这篇关于python pandas pandas.read_sql_query函数实例用法分析的文章就介绍到这了,更多相关python pandas pandas.read_sql_query函数内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
