Python Pandas pandas.read_sql_table函数方法的使用

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中read_sql_table方法的使用。

pandas.read_sql_table（table_name，con，schema = None，index_col = None，coerce_float = True，parse_dates = None，columns = None，chunksize = None ）源代码

通过数据库表名读入DataFrame。

给定一个表名和一个可连接SQLAlchemy，返回一个DataFrame。此功能不支持DBAPI连接。

参数：

table_name：string

数据库中SQL表的名称。

con：SQLAlchemy可连接（或数据库字符串URI）

不支持SQLite DBAPI连接模式。

schema：string，默认无

要查询的数据库中的SQL模式的名称（如果数据库flavor支持此功能）。

如果为None（默认值），

则使用默认架构。

index_col：字符串或字符串列表，可选，默认值：无

要设置为索引的列（MultiIndex）。

coerce_float：boolean，默认为True

尝试将非字符串，非数字对象（如decimal.Decimal）的值转换为浮点值。

可能导致精度损失。

parse_dates：list或dict，默认值：None

要解析为日期的列名列表。

{column_name: format string}格式的字典，其中，

格式字符串在解析字符串时间时是与strftime兼容的，

或者在解析整数时间戳时是(D、s、ns、ms、us)兼容的。

{column_name: arg dict}格式的字典，其中arg dict对应于关键字参数，

特别适用于没有本机Datetime支持的数据库，例如SQLite。

pandas.to_datetime()

columns：list，默认值：None

从SQL表中选择的列名列表

chunksize：int，默认无

如果指定，则返回一个迭代器，其中chunksize是要包含在每个块中的行数。

DataFrame(数据帧)

例如，

import MySQLdb
conn= MySQLdb.connect(host='myhost', 
                port=3306,user='myusername', passwd='mypassword', 
                db='information_schema')        resp =  pd.read_sql_table(table_name = 't_line',con = conn,parse_dates = 'time',index_col = 'time',columns = ['a','b','c'])        conn.close()