如何在Python中将 pandas DataFrame 转换为 SQL？

在本文中，我们旨在将数据框转换为 SQL 数据库，然后尝试使用 SQL 查询或通过表从 SQL 数据库中读取内容

要在Python中处理 SQL，我们需要使用下面提到的命令安装 sqlalchemy 库，方法是在 cmd 中运行它：

pip install sqlalchemy 

需要创建一个 pandas 数据框以继续进行。

Python3

# import pandas library
import pandas as pd
 
# create a dataframe
# object from dictionary
dataset = pd.DataFrame({'Names':['Abhinav','Aryan',
                                 'Manthan'],
                        'DOB' : ['10/01/2009','24/03/2009',
                                '28/02/2009']})
# show the dataframe
print(dataset)

输出 ：

Names         DOB
0  Abhinav  10/01/2009
1    Aryan  24/03/2009
2  Manthan  28/02/2009

创建数据集后，我们需要将数据框连接到为 sqlite3.Connection 对象提供的数据库支持。

Python3

#importing sql library
from sqlalchemy import create_engine
 
# create a reference
# for sql library
engine = create_engine('sqlite://',
                       echo = False)
 
# attach the data frame to the sql
# with a name of the table
# as "Employee_Data"
dataset.to_sql('Employee_Data',
               con = engine)
 
# show the complete data
# from Employee_Data table
print(engine.execute("SELECT * FROM Employee_Data").fetchall())

输出 ：

[(0, 'Abhinav', '10/01/2009'), (1, 'Aryan', '24/03/2009'), 
(2, 'Manthan', '28/02/2009')]

将数据添加到数据库后，以记录的形式对我们可见。数据也可以附加到先前创建的数据库中，如下所示：

Python3

# Create a dataframe
# object from dictionary
df1 = pd.DataFrame({'Names' : ['Sonia', 'Priya'],
                    'DOB':['18/10/2009','14/06/2009']})
 
# appending new data frame
# to existing data frame
df1.to_sql('Employee_Data',
           con = engine,
           if_exists = 'append')
 
# run a sql query
print(engine.execute("SELECT * FROM Employee_Data").fetchall())

输出 ：

[(0, 'Abhinav', '10/01/2009'), (1, 'Aryan', '24/03/2009'),
 (2, 'Manthan', '28/02/2009'), (0, 'Sonia', '18/10/2009'),
  (1, 'Priya', '14/06/2009')]

从上面的例子可以理解，虽然追加了数据，但只有在追加了新的数据帧时，才会从0重新开始索引。数据帧可以传输到SQL数据库，同样的方法也可以从SQL数据库中读取数据帧. read_sql 的返回类型是数据框。

Python3

# reading the sql database
# with index "Names"
df2 = pd.read_sql('Employee_Data',
                  con = engine,
                  index_col = 'Names',
                  parse_dates = ['DOB'])
# show the dataframe
print(df2)
 
# print new line
print()
 
# show the type of df2
print(type(df2))

输出 ：

id        DOB
Names               
Sonia   0 2009-10-18
Priya   1 2009-06-14

我们还可以访问数据库中的特定列而不是整个表。

Python3

# acccesing only a particular
# column from the database
df3 = pd.read_sql('Employee_Data',
                  con = engine,
                  columns = ["Names"])
# show the data
print(df3)

输出 ：

Names
0  Sonia
1  Priya

如果我们想将数据库中的数据以列表的形式存在，那是可能的。

Python3

# get a particular column
# from a database in the
# form of list
df4 = pd.read_sql('Employee_Data',
                  con = engine,
                  index_col = 'Names',
                  columns = ["Names"])
# show the data
print(df4)

输出 ：

Empty DataFrame
Columns: []
Index: [Sonia, Priya]

可以使用 read_sql_query() 命令在Python中编写 SQL 查询并传递适当的 SQL 查询和连接对象。

parse_dates：此参数有助于将最初从我们这边作为日期传递的日期转换为真正的日期格式。

Python3

# run a sql query in the database
# and store result in a dataframe
df5 = pd.read_sql_query('Select DOB from Employee_Data',
                        con = engine,
                        parse_dates = ['DOB'])
# show the dataframe
print(df5)

输出 ：

DOB
0 2009-10-18
1 2009-06-14