使用python操作mysql数据库：Python和MySQL数据库在实际工作中的小白入门应用

使用python操作mysql数据库：Python和MySQL数据库在实际工作中的小白入门应用我们准备好数据后，就可以连接数据库了，非常简单的一行命令搞定。三、连接数据库二、将数据读取到pandas的dataframe中。df1=pd.read_excel("E:/2022年玉米报表.xls" sheet_name="成品出库")将引号中数据替换成你的数据，这里前面是Excel路径及名称，后面存放数据的工作表。执行命令后，数据将存放到dataframe变量df1中。

在工作中时常需要进行数据处理，今天我把自己在工作中的实践应用，分享给大家，希望让更多的人从处理繁琐数据中解脱出来，享受处理数据的快乐。

一、把你的数据导入到mysql数据库中。

首先导入pandas模块和mysql连接模块。这一步比较简单，不过多解释，如果出现错误，一般根据提示即可得到解决。

图1

二、将数据读取到pandas的dataframe中。

df1=pd.read_excel("E:/2022年玉米报表.xls" sheet_name="成品出库")

将引号中数据替换成你的数据，这里前面是Excel路径及名称，后面存放数据的工作表。执行命令后，数据将存放到dataframe变量df1中。

三、连接数据库

我们准备好数据后，就可以连接数据库了，非常简单的一行命令搞定。

engine=create_engine("mysql mysqlconnector://user:pwd@127.0.0.1:3306/db" echo=False)

我们这里把引号中的user是替换成你mysql数据库的用户名，pwd为你的密码，127.0.0.1为数据库所在主机的地址，3306为数据库的默认端口号。

四、将准备好的数据写入mysql数据库。

在第二步中，我们已经将数据存放到df中了，这里我们用下面的命令将数据写入数据库。

df.to_sql(name="table1" con=engine index=False if_exists="replace")

图2

执行上述命令后，我们在数据库corn中就可看到table1了。如图3：

图3

五、数据查询

重点来了，我们用得最多的就是数据查询了，看代码：

df=pd.read_sql("select * from table1" engine)

上面的代码中引号里是SQL语句 上面的代码也可以这样写成变量的形式：

sql="select *from table1"

df=pd.read_sql(sql engine)

好了，今天这期内容就到这里吧，代码编写不易，欢迎点赞、评论、转发，点击关注，下期更新会有通知哟！