pandas实现实现to_sql将将DataFrame保存到数据库中保存到数据库中
目的目的
在数据分析时,我们有中间结果,或者最终的结果,需要保存到数据库中;或者我们有一个中间的结果,如果放到数据库中通
过sql操作会更加的直观,处理后再将结果读取到DataFrame中。这两个场景,就需要用到DataFrame的to_sql操作。
具体的操作具体的操作
连接数据库代码
import pandas as pd
from sqlalchemy import create_engine
# default
engine = create_engine('mysql+pymysql://ledao:ledao123@localhost/pandas_learn')
original_data = pd.read_sql_table('cellfee', engine)
original_data
结果如下所示。
对数据进行汇总,每个小区的电费进行求和放到Series中,然后将所有小区的总电费放到DataFrame中,最后将DataFrame保
存到数据库中,代码如下所示。
all_cells = [] for k, v in original_data.groupby(by=['cityid', 'cellid']):
onecell = pd.Series(data=[k[0], k[1], v['fee'].sum()], index=['cityid', 'cellid', 'fee_sum'])
all_cells.append(onecell)
all_cells = pd.DataFrame(all_cells)
all_cells.to_sql(name='cells_fee', con=engine, chunksize=1000, if_exists='replace', index=None)
对于DataFrame的to_sql函数,需要注意的参数在代码中已经写出来,其中比较重要的是chunksize、if_exists和index。
chunksize可以设置一次入库的大小;if_exists设置如果数据库中存在同名表怎么办,‘replace’表示将表原来数据删除放入当前
数据;‘append’表示追加;‘fail’则表示将抛出异常,结束操作,默认是‘fail’;index=接受boolean值,表示是否将DataFrame的
index也作为表的列存储。
最终存表的结果如下图所示。
您可能感兴趣的文章您可能感兴趣的文章:Pandas DataFrame数据的更改、插入新增的列和行的方法Python pandas.DataFrame调整列顺序及修改
index名的方法详解pandas.DataFrame中删除包涵特定字符串所在的行pandas dataframe添加表格框线输出的方法对pandas
通过索引提取dataframe的行方法详解pandas.DataFrame删除/选取含有特定数值的行或列实例Pandas过滤dataframe中包含
特定字符串的数据方法Python Pandas批量读取csv文件到dataframe的方法