Pandas 读写 Mysql 主要用到两个函数，下面分析一下 pandas.read_sql() 和 DataFrame.to_sql() 的参数。

read_sql()函数

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

参数：

●

sql：需要执行的sql语句

●

con：连接数据所需的engine,用其他数据库连接建立,如:

pymysql

●

index_col：选择那列怎为index

●

coerce_float：将数字形字符串转为float

●

params：list，tuple或dict，optional，default：None; 要传递给执行方法的参数列表。

●

parse_dates：将某列日期型字符串转换为datetime型数据

●

columns：选择想要保留的列

●

chunksize：每次输出多少行数据

import MySQLdb
mysql_cn= MySQLdb.connect(host='myhost', 
                port=3306,user='myusername', passwd='mypassword', 
                db='information_schema')
df_mysql = pd.read_sql('select * from VIEWS;', con=mysql_cn)    
print(len(df_mysql))
mysql_cn.close()

注意点:

1、加入chunksize参数后，返回的df不再是dataframe类型而是一个迭代器，每个分区均为行数1000的dataframe。因此不可直接对df进行dataframe的常规函数操作。

2、数据中有中文的时候数据库engine的charset参数需设置‘utf8’

3、数据中含有decimal类型数据，若不想读取时自动转化为float，一定要带“coerce_float=False”参数，因为默认值时true。楼主在读取数据时发现所有decimal的数据全部变为float类型，整数型多了.0不说，17位的数字变成了科学计数法并丢失了精度。

to_sql()函数

pandas.to_sql(name, con, flavor=None, schema=None, if_exists='fail', index=True, index_label=None, chunksize=None, dtype=None)

参数：

●

name:SQL 表名


●

con：与数据库链接的⽅式，推荐使⽤sqlalchemy的engine类型


●

schema: 相应数据库的引擎，不设置则使⽤数据库的默认引擎，如mysql中的innodb引擎

ValueError


●

if_exists: 当数据库中已经存在数据表时对数据表的操作，有replace替换、append追加，fail则当表存在时提⽰


●

index：对DataFrame的index索引的处理，为True时索引也将作为数据写⼊数据表


●

index_label:当上⼀个参数index为True时，设置写⼊数据表时index的列名称


●

chunsize：设置整数，如20000，⼀次写⼊数据时的数据⾏数量，当数据量很⼤时，需要设置，否则会链接超时写⼊失败。

●




dtype : 列名到 SQL 类型的字典，默认无



;可选地指定列的数据类型

import pandas as pd  
from sqlalchemy import create_engine  
conn = create_engine('mysql+mysqldb://root:password@localhost:3306/databasename?charset=utf8')  
df = pd.DataFrame() 
df["A"] = [1,2,3,4]  
df["B"] = [11,22,33,44]  
df.to_sql('表名',con=engine,if_exists='replace/append/fail',index=False)

#password 数据库密码
#localhost 数据库ip
#databasename 数据库名
#if_exists='replace/append/fail'  选择其中之一