9. 读取数据库数据时，常用的三个函数分别是read_sql_table()__，_read_sql_query()_和_read_sql()。

你所说的三个函数：read_sql_table()、read_sql_query()和read_sql()是pandas库中用于读取数据库数据的函数。

read_sql_table()函数用于读取整个数据库表中的数据，需要指定表名和数据库连接对象。

read_sql_query()函数用于读取数据库中满足指定查询语句的数据，需要指定查询语句和数据库连接对象。

read_sql()函数可以同时读取数据库表和查询语句的数据，需要指定表名或查询语句和数据库连接对象。

注意，这三个函数需要在使用前先通过数据库连接对象来连接数据库。

相关问题

pandas.read_sql_query() 函数执行 SQL 查询并将结果集存为集合

`pandas.read_sql_query()` 函数执行 SQL 查询并将结果集存储为 Pandas DataFrame 而不是集合。DataFrame 是 Pandas 中最常用的数据结构之一，它类似于电子表格或 SQL 表格，可以方便地进行数据清洗、转换和分析。

如果你想将 DataFrame 中的数据转换为 Python 集合，可以使用 DataFrame 的 `values` 属性，它会返回一个包含 DataFrame 中所有行的二维 numpy 数组。你可以将这个数组转换为 Python 列表或集合，例如：

import pandas as pd
import sqlite3

# 连接到数据库
conn = sqlite3.connect('example.db')

# 执行 SQL 查询并将结果读取到 DataFrame 中
df = pd.read_sql_query("SELECT * from my_table", conn)

# 将 DataFrame 中的数据转换为 Python 集合
data = set([tuple(row) for row in df.values])

# 关闭数据库连接
conn.close()

这将执行一个名为 "my_table" 的表的查询，并将结果读取到一个名为 `df` 的 Pandas DataFrame 中。然后，我们使用 DataFrame 的 `values` 属性将数据转换为一个二维 numpy 数组，并使用列表推导式将每行转换为一个元组，并将它们添加到一个集合中。现在，`data` 变量包含了一个不可变的集合，其中每个元素都是一个包含一行数据的元组。

pd.read_sql_query

`pd.read_sql_query` 是 pandas 库中的一个函数，用于从 SQL 数据库中读取数据并返回一个 pandas 的 DataFrame 对象。它有三个参数：

- `sql`：要执行的 SQL 查询语句。
- `con`：数据库连接对象或字符串。如果是字符串，则表示连接数据库的 URL。
- `params`：参数列表，用于替换 SQL 查询中的占位符。

示例代码：

import pandas as pd
import sqlite3

# 创建数据库连接
conn = sqlite3.connect('example.db')

# 读取数据
df = pd.read_sql_query('SELECT * FROM my_table', conn)

# 关闭连接
conn.close()

# 查看数据
print(df.head())