Pandas读取Mysql中的表

创建MySQL引擎

import pandas as pd
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://ledao:ledao123@localhost/pandas_learn')

以默认方式读取所有的列到DF中

with engine.connect() as conn, conn.begin():
    data = pd.read_sql_table('data_col1_col2', con=conn)
data.head()

第一个参数为数据库中的表名，第二个参数为连接，也可以直接给engine。

指定某列为index，指定读取的列

with engine.connect() as con, con.begin():
    data = pd.read_sql_table('data_col1_col2', con=con, index_col='index', columns=['col1', 'col2'])
data.head()

通过index_col=参数指定列'index'为DF的index，通过columns=（列表类型）指定读取表的子集。

将某列解析为Date类型

pd.read_sql_table('data_col1_col2', con=engine, parse_dates=['col1']).head()

通过parse_dates=（列表类型）指定某几个列（如整型、字符串型的列）为Date类型，pandas会自动解析，默认的格式为（1970-01-01 00:00:00）。
同时，也可指定解析的字符串格式，如下所示：

# pd.read_sql_table('data_col1_col2', engine, parse_dates={'col1': '%Y-%m-%d'})
pd.read_sql_table('data_col1_col2', engine, parse_dates={'col1': {'format': '%Y-%m-%d %H:%M:%S'}}).head()

Pandas读取表格就这么容易。