pandas连接MySQL数据库的两种方式_pandas conn = con.connect() sql = '''''' #执行sql语句-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_33749437/article/details/107954892

本文介绍了使用pandas连接MySQL数据库的两种方法，包括通过`read_sql_table`和`read_sql_query`函数，以及它们的共同基础`read_sql`。参数解析包括`sql`用于输入SQL语句，`con`指定数据库连接，`index_col`设置索引列，`coerce_float`强制转换数字字符串为浮点数，`params`传递查询参数，`parse_dates`将日期字符串转换为datetime对象，`columns`选择特定列，以及`chunksize`用于分块读取数据。所有这些方法最终都将数据返回为DataFrame对象。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

read_sql(sql, 
		 con, 
		 index_col=None, 
		 coerce_float=True, 
		 params=None, 
		 parse_dates=None, 
		 columns=None, 
		 chunksize=None)

参数的意义：
sql: 为可执行的sql语句
con: 数据库的连接
index_col: 选择某一列作为index
coerce_float: 将数字形式的字符串直接以float型读入
params: 返回传递参数的查询字符串
parse_dates: 将某一列日期型字符串转换为datetime型数据，与pd.to_datetime函数功能类似。可以直接提供需要转换的列名以默认的日期形式转换，也可以用字典的格式提供列名和转换的日期格式，比如{column_name: format string}（format string："%Y:%m:%H:%M:%S"）
colunms: 要选取的列。一般没啥用，因为在sql命令里面一般就指定要选择的列了
chunksize: 如果提供了一个整数值，那么就会返回一个generator，每次输出的行数就是提供的值的大小。

import pandas as pd

# 方法一：用DBAPI构建数据库链接engine
import pymysql
conn = pymysql.connect(host='localhost',
                       user='root',
                       password='',
                       database='database_name')
df = pd.read_sql("select * from table_name",con=conn)


# 方法二：用sqlalchemy构建数据库链接engine
import sqlalchemy
from sqlalchemy import create_engine
#connect_info = 'mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8'.format(DB_USER, DB_PASS, DB_HOST, DB_PORT, DATABASE)
connect_info = 'mysql+pymysql://{}:{}@{}:{}/{}'.format('root',
													   '', 
													   'localhost', 
													   3306, 
													   'nowcoderdb')
engine=create_engine(connect_info)
df2=pd.read_sql("select * from table_name",con=engine)