pandas.DataFrame写入数据库的实现方式
作者：芳樽里的歌
这篇文章主要介绍了pandas.DataFrame写入数据库的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
pandas.DataFrame写入数据库的方式
以mysql数据库为例，需要导入包pymysql。
假设我们已经创建了一个df，现在将其导入数据库中。
写法如下：
import pymysql
import pandas as pd
from sqlalchemy import create_engine
#建立连接，username替换为用户名，passwd替换为密码，test替换为数据库名
conn = create_engine('mysql+pymysql://username:passwd@localhost:3306/test',encoding='utf8')
#写入数据，table_name为表名，‘replace'表示如果同名表存在就替换掉
pd.io.sql.to_sql(df, "table_name", conn, if_exists='replace')Pandas DataFrame数据写入文件和数据库
Pandas是Python下一个开源数据分析的库，它提供的数据结构DataFrame极大的简化了数据分析过程中一些繁琐操作,DataFrame是一张多维的表，大家可以把它想象成一张Excel表单或者Sql表。
之前这篇文章已经介绍了从各种数据源将原始数据载入到dataframe中，这篇文件介绍怎么将处理好的dataframe中的数据写入到文件和数据库中。
创建DataFrame对象
首先我们通过二维ndarray创建一个简单的DataFrame：
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(3, 4)) df
0 1 2 3 0 1.0492286140081302 -0.7922606407983686 0.020418054868760225 -1.6649819403741724 1 0.3485250628814134 -2.117606544377745 1.466822878437205 -0.9249205656243358 2 1.3073567907490637 -0.7350348086218035 0.2856083175408006 -0.9053483976251634
1. Dataframe写入到csv文件
df.to_csv('D:\\a.csv', sep=',', header=True, index=True)第一个参数是说把dataframe写入到D盘下的a.csv文件中，参数sep表示字段之间用’,’分隔，header表示是否需要头部，index表示是否需要行号。
2. Dataframe写入到json文件
df.to_json('D:\\a.json')把dataframe写入到D盘下的a.json文件中,文件的内容为
{"0":{"0":1.049228614,"1":0.3485250629,"2":1.3073567907},"1":{"0":-0.7922606408,"1":-2.1176065444,"2":-0.7350348086},"2":{"0":0.0204180549,"1":1.4668228784,"2":0.2856083175},"3":{"0":-1.6649819404,"1":-0.9249205656,"2":-0.9053483976}}官方demo：
df = pd.DataFrame([['a', 'b'], ['c', 'd']],
index=['row 1', 'row 2'],
columns=['col 1', 'col 2'])
###########
split
###########
df.to_json(orient='split')
>'{"columns":["col 1","col 2"],
"index":["row 1","row 2"],
"data":[["a","b"],["c","d"]]}'
###########
index
###########
df.to_json(orient='index')
>'{"row 1":{"col 1":"a","col 2":"b"},"row 2":{"col 1":"c","col 2":"d"}}'
###########
records
###########
df.to_json(orient='records')
>'[{"col 1":"a","col 2":"b"},{"col 1":"c","col 2":"d"}]'
###########
table
###########
df.to_json(orient='table')
>'{"schema": {"fields": [{"name": "index", "type": "string"},
{"name": "col 1", "type": "string"},
{"name": "col 2", "type": "string"}],
"primaryKey": "index",
"pandas_version": "0.20.0"},
"data": [{"index": "row 1", "col 1": "a", "col 2": "b"},
{"index": "row 2", "col 1": "c", "col 2": "d"}]}'3.Dataframe写入到html文件
df.to_html('D:\\a.html')把dataframe写入到D盘下的a.html文件中,文件的内容为
<table border="1" class="dataframe"> <thead> <tr style="text-align: right;"> <th></th> <th>0</th> <th>1</th> <th>2</th> <th>3</th> </tr> </thead> <tbody> <tr> <th>0</th> <td>-0.677090</td> <td>0.990133</td> <td>-1.775863</td> <td>0.654884</td> </tr> <tr> <th>1</th> <td>-1.825927</td> <td>-2.262985</td> <td>-0.849212</td> <td>-0.154182</td> </tr> <tr> <th>2</th> <td>0.252012</td> <td>0.464503</td> <td>0.771977</td> <td>0.329159</td> </tr> </tbody> </table>
在浏览器中打开a.html的样式为
4.Dataframe写入到剪贴板中
这个是我认为最为贴心的功能, 一行代码可以将dataframe的内容导入到剪切板中，然后可以复制到任意地方
df.to_clipboard()
5.Dataframe写入到数据库中
df.to_sql('tableName', con=dbcon, flavor='mysql')第一个参数是要写入表的名字，第二参数是sqlarchmy的数据库链接对象，第三个参数表示数据库的类型，“mysql”表示数据库的类型为mysql。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。