今天我们来探索pandas。
一、基本知识概要
- SQLAlchemy模块安装
- 数据库PostgreSQL下载安装
- PostgreSQL基本介绍使用
- Pandas+SQLAlchemy将数据导入PostgreSQL
- Python与各种数据库的交互代码实现
二、开始动手动脑
1、SQLAlchemy模块安装
安装SQLAlchemy模块(下面操作都是在虚拟环境下)： 方法一：直接pip安装(最简单，安装慢，可能出错)
pip install SQLAlchemy方法二：轮子(wheel)安装(比较简单，安装速度还可以，基本不出错) 点击这里下载SQLAlchemy的.whl文件，然后移动到你的开发环境目录下。
pip install xxxxx.whl方法三：豆瓣源安装(比较简单，安装速度快，方便，推荐)
pip install \-i https://pypi.douban.com/simple/ SQLAlchemy
2、数据库PostgreSQL下载安装
（1） 下载地址：https://www.enterprisedb.com/...
（2） 下载完成后，点击安装文件，基本上就是Next。
First ，安装目录，建议自己选择，不要安装在C盘。
Second ，Password，可以设置简单点，毕竟只是用来自己学习。
Third ，端口号，建议不要改，就用5432，改了容易和其他端口冲突，到时候自己又不知道怎么解决，麻烦。
其他没有说到的就默认设置，Next，Next，Next~安装过程一般10分钟左右，不要急。 Finally ，安装完成后，取消图上的选项框，图上的意思是在后台启动Stack Builder（堆栈生成器），没有必要。
最后推荐几个相关学习网站 Postgre 社区：https://www.postgresql.org/co... Postgre官方文档： https://www.postgresql.org/docs/ 易百 Postgre 学习教程：https://www.yiibai.com/postgr...
3、PostgreSQL基本介绍使用
（1） PostgreSQL特点
以上内容截取自 易百 Postgre 学习教程。 （2） 利用PostgreSQL创建一个数据库 a .打开pgADmin4，发现这个图形化操作界面是一个Web端的，先会要求输入Password，就是安装时候设置的Password。 点击Servers->PostgreSQL 11->Databases->右键->Create->Database。
b .输入数据库名称，其他默认，注释自己随便写，我写的first database，表示我的第一个数据库。
我们还可以看一下数据库创建的语句，点击弹框中的SQL即可。
4、Pandas+SQLAlchemy将数据导入Postgre
（1） Python操作代码
import pandas as pd
import sqlalchemy as sa
\# 读取的CSV文件路径
r\_filepath \= r"H:\\PyCoding\\Data\_analysis\\day01\\data01\\realEstate\_trans.csv"
\# 数据库鉴权
user \= "postgres" \# 数据库用户名
password \= "root" \# 数据库password
db\_name \= "test513" \# 数据库名称
\# 连接数据库
engine \= sa.create\_engine('postgresql://{0}:{1}@localhost:5432/{2}'.format(user, password, db\_name))
print(engine)
\# 读取数据
csv\_read \= pd.read\_csv(r\_filepath)
\# 将 sale\_date 转成 datetime 对象
csv\_read\['sale\_date'\] \= pd.to\_datetime(csv\_read\['sale\_date'\])
\# 将数据存入数据库
csv\_read.to\_sql('real\_estate', engine, if\_exists\='replace')
print("完成")
\# 可能报错：ModuleNotFoundError: No module named 'psycopg2'
\# 解决方法：pip install psycopg2（2） 代码解析
engine \= sa.create\_engine('postgresql://{0}:{1}@localhost:5432/{2}'.format(user, password, db\_name))sqlalchemy的create\_engine函数，创建一个数据库连接，参数为一个字符串，字符串的格式是：
<database_type>://<user_name>:<password>@<server>:<port>/<database_name>
数据库类型://数据库用户名:数据库password@服务器IP(如:127.0.0.1)或者服务器的名称(如：localhost):端口号/数据库名称
其中可以是：postgresql，mysql等。
csv\_read.to\_sql('real\_estate', engine, if\_exists\='replace')pandas的to\_sql函数，将数据（csv\_read中的）直接存入postgresql，第一个参数指定了存储到数据库后的表名，第二个参数指定了数据库引擎，第三个参数表示，如果表real_estate已经存在，则替换掉。 （3） 运行结果
此外，pandas库还提供了数据库查询操作函数read_sql_query,只需传入查询语句和数据库连接引擎即可，源码注释为Read SQL query into a DataFrame.，意思是：把数据库查询的内容变成一个DataFrame对象返回。
query \= 'SELECT \* FROM real\_estate LIMIT 10'
top10 \= pd.read\_sql\_query(query, engine)
print(top10)
5、Python与各个数据库的交互代码
a . Python 与 MySql
\# 使用前先安装 pymysql 模块 ：pip install pymysql
\# 导入 pymysql 模块
import pymysql
#连接数据库,参数说明：服务器，用户名，数据库password，数据库名称
db \= pymysql.connect("localhost","root","root","db\_test")
#使用cursor()方法创建一个游标对象
cursor \= db.cursor()
#使用execute()方法执行SQL语句
cursor.execute("SELECT \* FROM test\_table")
#使用fetall()获取全部数据
data \= cursor.fetchall()
#关闭游标和数据库的连接
cursor.close()
db.close()b . Python 与 MongoDB
\# 使用前先安装 pymongodb 模块 ：pip install pymongodb
\# 导入 pymogodb 模块
import pymongo
\# 连接数据库,参数说明：服务器IP，端口号默认为27017
my\_client \= pymongo.MongoClient(host\="127.0.0.1",port\=27017)
\# 直接通过数据库名称索引，有点像字典
my\_db \= my\_client\["db\_name"\]
\# 连接 collection\_name 集合，Mongodb里集合就相当于Mysql里的表
my\_collection \= my\_client\["collection\_name"\]
datas \= my\_collection.find() \# 查询
for x in datas :
print(x)c . Python 与 Sqlite
\# 使用前先安装 sqlite3 模块 ：pip install sqlite3
'''
sqlite数据库和前面两种数据库不一样，它是一个本地数据库
也就是说数据直接存在本地，不依赖服务器
'''
\# 导入 sqlite3 模块
import sqlite3
\# 连接数据库，参数说明：这里的参数就是数据文件的地址
conn \= sqlite3.connect('test.db')
#使用cursor()方法创建一个游标对象
c \= conn.cursor()
#使用execute()方法执行SQL语句
cursor \= c.execute("SELECT \* from test\_table")
for row in cursor:
print(row)
#关闭游标和数据库的连接
c.close()
conn.close()三、送你的话
坚持 and 努力 ： 终有所获。
如果文章对你有帮助的话，点个赞再走吧
python
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。