DataFrame生成数据库

### 如何将 Pandas DataFrame 存储到数据库

为了将 `pandas` 的 `DataFrame` 数据存储至关系型数据库，通常会使用 SQLAlchemy 库作为 ORM 工具来简化操作。下面展示了一个完整的例子，该过程涉及创建 SQLite 数据库并把 `DataFrame` 中的数据存入其中。

#### 安装必要的包
如果尚未安装所需的 Python 包，则可以通过 pip 来完成：

pip install pandas sqlalchemy sqlite3

#### 导入库和准备数据
导入所需模块，并准备好要保存为数据库记录的 `DataFrame` 实例。

import pandas as pd
from sqlalchemy import create_engine

定义一个简单的 `DataFrame` 用于演示目的:

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'San Francisco', 'Los Angeles']
}
df = pd.DataFrame(data)
print(df)

#### 连接到SQLite数据库并将DataFrame写入表中
通过 SQLAlchemy 创建引擎对象连接到新的或现有的 SQLite 文件；接着利用 `to_sql()` 方法指定目标表名以及是否替换现有表等内容参数。

engine = create_engine('sqlite:///example.db')  # 使用相对路径创建/打开名为 "example.db" 的 SQLite 数据库文件
table_name = 'people'                           # 表名称设定为 "people"
if_exists_option = 'replace'                    # 如果已存在同名表则覆盖之 ('fail','append')

df.to_sql(table_name, con=engine, if_exists=if_exists_option, index=False)

# 验证插入成功与否的一种方式是查询刚建立好的表里的全部条目
with engine.connect() as connection:
    result_proxy = connection.execute(f'SELECT * FROM {table_name}')
    for row in result_proxy.fetchall():
        print(row)

上述代码片段展示了如何轻松地将 `pandas` 的 `DataFrame` 转换成 SQL 表格形式并持久化到磁盘上的 `.db` 文件里[^1]。

对于其他类型的关系型数据库（MySQL、PostgreSQL 等），只需调整 `create_engine()` 函数内的 URL 字符串即可适应特定的目标环境配置需求。