def insert(db, tablename, values, _charset=CHARSET):
conn = pymysql.connect(host=HOST,
port=PORT,
user=USER,
passwd=PWD,
db=db,
charset=_charset
cursor = conn.cursor() # 游标对象，用于执行查询和获取结果
sql = 'insert into ' + db + '.' + tablename + ' ('
temp = ''
for key in values.keys():
sql += key + ' ,'
value = values[key]
if type(value) == type(""):
value = value.replace('\'', '"').replace('\\', '\\\\')
temp += '\'' + value + '\' ,'
else:
temp += str(value) + ' ,'
sql = sql[:-1] + ') values (' + temp[:-1] + ')'
# print(sql)
cursor.execute(sql)
conn.commit()
# print("记录插入成功！")
conn.close()
def select(db, tablename, condition=None, _charset=CHARSET):
conn = pymysql.connect(host=HOST,
port=PORT,
user=USER,
passwd=PWD,
db=db,
charset=_charset
cursor = conn.cursor() # 游标对象，用于执行查询和获取结果
sql = 'select * from ' + db + '.' + tablename
if condition:
sql += ' where'
for key in condition.keys():
value = condition[key]
if type(value) == type(""):
value = value.replace('\'', '"').replace('\\', '\\\\')
value = '\'' + value + '\''
else:
value = str(value)
sql += ' ' + key + ' = ' + value + ' and'
sql = sql[:-3]
# print(sql)
cursor.execute(sql)
result = cursor.fetchall()
conn.commit()
conn.close()
return result
def update(db, tablename, values, condition, _charset=CHARSET):
conn = pymysql.connect(host=HOST,
port=PORT,
user=USER,
passwd=PWD,
db=db,
charset=_charset
cursor = conn.cursor() # 游标对象，用于执行查询和获取结果
sql = 'update ' + db + '.' + tablename + ' set '
for key in values.keys():
if key in condition:
continue
value = values[key]
if type(value) == type(""):
value = value.replace('\'', '"').replace('\\', '\\\\')
value = '\'' + value + '\''
else:
value = str(value)
sql += ' ' + key + ' = ' + value + ' ,'
# update spark.challenge set xx = x , xx = x where xx = x 中前面set是用, 不是and连接
sql = sql[:-1] + ' where '
for key in condition.keys():
value = condition[key]
if type(value) == type(""):
value = value.replace('\'', '"').replace('\\', '\\\\')
value = '\'' + value + '\''
else:
value = str(value)
sql += ' ' + key + ' = ' + value + ' and'
sql = sql[:-3] + ';'
print(sql)
cursor.execute(sql)
conn.commit()
conn.close()
def delete(db, tablename, condition, _charset=CHARSET):
conn = pymysql.connect(host=HOST,
port=PORT,
user=USER,
passwd=PWD,
db=db,
charset=_charset
cursor = conn.cursor() # 游标对象，用于执行查询和获取结果
sql = 'delete from ' + db + '.' + tablename + ' where '
for key in condition.keys():
value = condition[key]
if type(value) == type(""):
value = value.replace('\'', '"').replace('\\', '\\\\')
value = '\'' + value + '\''
else:
value = str(value)
sql += ' ' + key + ' = ' + value + ' and'
sql = sql[:-3]
# print(sql)
cursor.execute(sql)
conn.commit()
conn.close()
def executeSql(db, sql_string, _charset=CHARSET):
conn = pymysql.connect(host=HOST,
port=PORT,
user=USER,
passwd=PWD,
db=db,
charset=_charset
cursor = conn.cursor() # 游标对象，用于执行查询和获取结果
cursor.execute(sql_string)
result = None
if sql_string.find('select') > -1 or sql_string.find('show') > -1:
result = cursor.fetchall()
conn.commit()
conn.close()
return result
def pd_to_sql(data, database, table_name, if_index=False, if_exists='replace', dtype=None):
# if_exists='append'则为如果表存在则新数据扩展而不是替换表
engine = sqlalchemy.create_engine('mysql+pymysql://' + USER + ':' + PWD + '@' + HOST + ':' + str(PORT) + '/' + database)
if dtype:
data.to_sql(table_name, engine, index=if_index, if_exists=if_exists,
dtype=dtype)
else:
data.to_sql(table_name, engine, index=if_index, if_exists=if_exists)
print('the dataframe has been written into mysql table %s successfully!' % table_name)
Pandas
执行
SQL
操作
我们知道，使用
SQL
语句能够完成对 table 的增删改查操作，
Pandas
同样也可以实现
SQL
语句的基本功能。本节主要讲解
Pandas
如何执行
SQL
操作。
首先加载一个某连锁咖啡厅地址分布的
数据
集，通过该
数据
集对本节内容进行讲解。
import
pandas
as pd
url = 'C:/Users/Administrator/Desktop/coffee/kafei.xlsx'
coffee_df=pd.read_excel(url)
coffee_df.
II. pd.read_
sql
()
III. df.to_
sql
()I.
sql
alchemy创建
mysql
连接create_engine(*args, **kwargs)
标准调用方式是将URL作为第一个位置参数
形如``dialect[+driver]://user:password@host/dbname[?key=va...
Python
是一种广泛应用于
数据
处理和
数据
分析方面的编程语言。而
Pandas
则是
Python
的一个非常受欢迎的
数据
处理库。
Pandas
拥有许多强大的函数和方法可以进行各种操作，如
数据
过滤、
数据
排序、
数据
统计等。
在使用
Pandas
进行
数据
处理时，如何将处理好的
数据
添加
到Excel文件中呢？可以通过以下步骤实现。
首先，导入
Pandas
库：
import
pandas
as pd
然后读取Excel文件中的
数据
，可以使用
Pandas
的read_excel()函数读取Excel文件中的
数据
：
data = pd.read_excel('filename.xlsx')
接下来，对
数据
进行处理，并将处理后的
数据
存储为
Pandas
的DataFrame对象：
df = pd.DataFrame(data)
最后，将DataFrame对象写入Excel文件中，可以使用
Pandas
的to_excel()函数：
df.to_excel('new_filename.xlsx', index=False)
to_excel()函数可以将DataFrame对象写入Excel文件中。参数index=False可以去除写入的Excel文件中的索引列。
通过以上步骤，就可以将
Pandas
数据
添加
到Excel文件中。这对于需要将
Python
程序处理的
数据
保存到Excel文件中，以供其他使用者查看和分析，具有较高的实用价值。
