Pandas是基于NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。Pandas提供了大量能使我們快速便捷地處理數據的函數和方法。你很快就會發現，它是使Python成為強大而高效的數據分析環境的重要因素之一。本文主要介紹一下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)

將SQL查詢讀入DataFrame。

返回與查詢字符串的結果集對應的DataFrame。（可選）提供index_col參數以使用其中一列作為索引，否則將使用默認整數索引。

參數：

sql：string SQL查詢或SQLAlchemy Selectable（select或文本對象）要執行的SQL查詢。

con：SQLAlchemy可連接（引擎/連接），數據庫字符串URI，或sqlite3 DBAPI2連接使用SQLAlchemy可以使用該庫支持的任何數據庫。如果是DBAPI2對象，則僅支持sqlite3。

index_col：字符串或字符串列表，可選，默認值：無

要設置為索引的列（MultiIndex）。

coerce_float：boolean，默認為True

嘗試將非字符串，非數字對象（如decimal.Decimal）的值轉換為浮點值。

對SQL結果集很有用。

params：list，tuple或dict，optional，default：None

要傳遞給執行方法的參數列表。用于傳遞參數的語法取決于數據庫驅動程序。

檢查數據庫驅動程序文檔，

了解PEP 249的paramstyle中描述的五種語法樣式中的哪一種。例如,對于psycopg2，使用%(name)s，所以使用params = {'name'：'value'}

parse_dates：list或dict，默認值：None

要解析為日期的列名列表。

{column_name: format string}格式的字典，其中，格式字符串在解析字符串時間時是與strftime兼容的，或者在解析整數時間戳時是(D、s、ns、ms、us)兼容的。

{column_name: arg dict}格式的字典，其中arg dict對應于關鍵字參數,特別適用于沒有本機Datetime支持的數據庫，

例如SQLite。pandas.to_datetime()

chunksize：int，默認無

如果指定，則返回一個迭代器，其中chunksize是要包含在每個塊中的行數。

返回：

數據幀

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()

到此這篇關于Python Pandas pandas.read_sql_query函數實例用法分析的文章就介紹到這了,更多相關Python Pandas pandas.read_sql_query函數內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！