Python操作Mysql数据库入门——数据导入pandas(数据分析准备)
2017-10-31 19:00
1071 查看
环境
Python 3.X
IDE : juyter notebook
使用Python连接数据库 import MySQLdb import pandas as pd
#使用python连接数据库 conn = MySQLdb. connect( host = '127.0.0.1',
#本地地址 user = 'root', #一般默认用户名 passwd =
'********', #本地数据库登录密码(这里用你自己的密码!!!) db = 'test',
#数据库名称(这里用你自己的数据库名称!!!) port = 3306, #安装mysql默认的端口号 charset =
'utf8' #设置数据库统一编码 ) sql = ' SELECT * FROM`tdb_goods`;' df = pd.read_sql(sql,conn) 导入表中所有数据并查看前五行 sql = '
SELECT * FROM`tdb_goods`;' df = pd.read_sql(sql,conn) df.head()
选你所想
一般来说,学sql增删查改基础中,查用的比较多,接下来我们简单使用一些sql查询
查找cate_id=3的记录:
sql1 = ' SELECT * FROM`tdb_goods`WHERE`cate_id` =
3;' df1 = pd.read_sql(sql1,conn) df1
查找价格大于5000的商品,注意这里默认按照goods_id排序的:
sql2 = ' SELECT * FROM`tdb_goods`WHERE`goods_price` >
5000;' df2 = pd.read_sql(sql2,conn) df2
加上ORDER BY `goods_prices`之后,就是按照价格升序排列:
sql2 = ' SELECT * FROM`tdb_goods`WHERE`goods_price` >
5000ORDERBY`goods_price;'df2 = pd.read_sql(sql2,conn)df2
sql默认的是按照升序排列,如果想按照降序排列,可以这样写:
sql2 = ' SELECT * FROM`tdb_goods`WHERE`goods_price` >
5000ORDERBY`goods_price`DESC;' df2 = pd.read_sql(sql2,conn) df2
查找所有的平板电脑:
sql3 = ' SELECT * FROM`tdb_goods`WHERE`goods_name`like"%平板电脑%";' df3 = pd.read_sql(sql3,conn) df3
将数据库文件导出成csv df.to_csv('E:\goods_info.csv', encoding = 'utf-8', index = False)
可以看到,数据成功导出成csv了~
最后养成好习惯,断开与数据库的连接:
conn. close()
我们再次查询,发现报错了,说明确实已经断开了连接:
如果运行代码报错,很可能是你的数据库名和数据库登录密码没有修改~
Python 3.X
IDE : juyter notebook
使用Python连接数据库 import MySQLdb import pandas as pd
#使用python连接数据库 conn = MySQLdb. connect( host = '127.0.0.1',
#本地地址 user = 'root', #一般默认用户名 passwd =
'********', #本地数据库登录密码(这里用你自己的密码!!!) db = 'test',
#数据库名称(这里用你自己的数据库名称!!!) port = 3306, #安装mysql默认的端口号 charset =
'utf8' #设置数据库统一编码 ) sql = ' SELECT * FROM`tdb_goods`;' df = pd.read_sql(sql,conn) 导入表中所有数据并查看前五行 sql = '
SELECT * FROM`tdb_goods`;' df = pd.read_sql(sql,conn) df.head()
选你所想
一般来说,学sql增删查改基础中,查用的比较多,接下来我们简单使用一些sql查询
查找cate_id=3的记录:
sql1 = ' SELECT * FROM`tdb_goods`WHERE`cate_id` =
3;' df1 = pd.read_sql(sql1,conn) df1
查找价格大于5000的商品,注意这里默认按照goods_id排序的:
sql2 = ' SELECT * FROM`tdb_goods`WHERE`goods_price` >
5000;' df2 = pd.read_sql(sql2,conn) df2
加上ORDER BY `goods_prices`之后,就是按照价格升序排列:
sql2 = ' SELECT * FROM`tdb_goods`WHERE`goods_price` >
5000ORDERBY`goods_price;'df2 = pd.read_sql(sql2,conn)df2
sql默认的是按照升序排列,如果想按照降序排列,可以这样写:
sql2 = ' SELECT * FROM`tdb_goods`WHERE`goods_price` >
5000ORDERBY`goods_price`DESC;' df2 = pd.read_sql(sql2,conn) df2
查找所有的平板电脑:
sql3 = ' SELECT * FROM`tdb_goods`WHERE`goods_name`like"%平板电脑%";' df3 = pd.read_sql(sql3,conn) df3
将数据库文件导出成csv df.to_csv('E:\goods_info.csv', encoding = 'utf-8', index = False)
可以看到,数据成功导出成csv了~
最后养成好习惯,断开与数据库的连接:
conn. close()
我们再次查询,发现报错了,说明确实已经断开了连接:
如果运行代码报错,很可能是你的数据库名和数据库登录密码没有修改~
相关文章推荐
- 利用 Python 进行数据分析(八)pandas 基本操作(Series 和 DataFrame)
- Python数据分析库pandas基本操作
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- Python数据分析——Pandas数据结构和操作
- 用python做数据分析4|pandas库介绍之DataFrame基本操作 by 是蓝先生
- Python数据分析模块 | pandas做数据分析(二):常用预处理操作
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- 利用Python进行数据分析(15) pandas基础: 字符串操作
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- 利用Python进行数据分析(15) pandas基础: 字符串操作
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- python数据分析:pandas数据结构与操作
- #######用python做数据分析4|pandas库介绍之DataFrame基本操作#######
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- 利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作
- Python 数据分析:pandas 操作基础篇
- 用python做数据分析4|pandas库介绍之DataFrame基本操作
- 通过实例快速掌握sklearn中的kmeans聚类----python数据分析,聚类,pandas
- 利用 Python 进行数据分析(七)pandas 简单介绍(Series 和 DataFrame)
- 利用Pandas进行数据分析(2)——pandas数据基本操作