[toc]

将DataFrame保存为MySQL

• 要将pandas DataFrame保存到MySQL数据库中，可以使用Python的SQLAlchemy库来实现。下面是一系列的步骤来完成这个过程：

• 1. 安装所需的库：确保已经安装了pandas、SQLAlchemy和MySQL驱动程序（如pymysql）。
  2. 导入所需的库：在代码中导入必要的库。

  1 2	import pandas as pd from sqlalchemy import create_engine

  3. 创建一个MySQL连接：使用SQLAlchemy创建一个MySQL连接。你需要根据你的数据库设置来修改下面的代码。确保将 username、password、localhost、port 和 database_name 替换为你自己的MySQL连接参数。

  1	engine = create_engine('mysql+pymysql://username:password@localhost:port/database_name')

  4. 将DataFrame保存到数据库：使用 to_sql 函数将DataFrame保存到数据库中。确保将 df 替换成你要保存的DataFrame，table_name 替换成你想要在数据库中创建的表的名称。if_exists 参数可以设置为以下几个选项之一： - “fail”：如果表已经存在，则抛出一个异常（默认） - “replace”：如果表已经存在，则替换掉原有的表 - “append”：如果表已经存在，则将数据追加到表中index 参数设置为 False 可以在保存数据时避免将DataFrame的索引作为一个额外的列。

  1	df.to_sql('table_name', con=engine, if_exists='replace', index=False)

  5. 整体的代码示例如下：

  1 2 3 4 5 6 7 8

  import pandas as pd from sqlalchemy import create_engine # 创建一个MySQL连接 engine = create_engine('mysql+pymysql://username:password@localhost:port/database_name') # 将DataFrame保存到数据库 df.to_sql('table_name', con=engine, if_exists='replace', index=False)

DataFrame 基本操作

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

import pandas as pd
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002, 2003],
        'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
fm = pd.DataFrame(data)
print(fm)
# out
    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.9
5  Nevada  2003  3.2
[Finished in 1.2s]

# slice
# 读取列
print(fm["state"]) #使用列标签
print(fm.state) #使用列标签
print(fm.iloc[:,0]) #切片

# 读取行
print(fm[0:2])
print(fm.loc[0:2])

# delete column
fm = fm.drop(["state"],axis=1)
print(fm)
# out
   year  pop
0  2000  1.5
1  2001  1.7
2  2002  3.6
3  2001  2.4
4  2002  2.9
5  2003  3.2
[Finished in 4.8s]

# delete row
fm = fm.drop([0],axis=0)
print(fm)
# out
   year  pop
1  2001  1.7
2  2002  3.6
3  2001  2.4
4  2002  2.9
5  2003  3.2

DataFrame.plot

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada', 'Nevada'],
        'year': [2000, 2001, 2002, 2001, 2002, 2003],
        'pop': [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]}
fm = pd.DataFrame(data)
print(fm)
fm.plot(x="state",y="pop",figsize=(16,8),
		kind='scatter',
		# logx=True,
		# logy=True,
		# grid=True,
		# legend=True,
		# xlim=[0,100000],
		# ylim=[-4000,4000],
		# xlabel="Time(fs)",
		# ylabel="Pressure(Pa)",
		# fontsize=22,
        )
plt.show()

DataFrame表格(列)拼接

concat

1

concat(objs, axis=0, join=‘outer’, join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False,copy=True)

• 部分参数说明：
  axis：拼接轴方向，默认为0，沿行拼接；若为1，沿列拼接
  join：默认外联’outer’，拼接另一轴所有的label，缺失值用NaN填充；内联’inner’，只拼接另一轴相同的label；
  join_axes: 指定需要拼接的轴的labels，可在join既不内联又不外联的时候使用
  ignore_index：对index进行重新排序
  keys：多重索引

1
2
3
4
5
6
7
8
9
10
11
12
13

import pandas as pd
df_aa = pd.DataFrame({'zh':['zhang','li','wang','zhao'],
                      'hero':['达摩','典韦','曹操','李白'],
                      'score':['85','73','66','81']})
df_zz = pd.DataFrame({'en':['wang','zhao','Trump','Obama'],
                      'hero':['曹操','墨子','曹操','李白'],
                      'level':['青铜','白银','黄金','钻石']})
df_concat = pd.concat([df_aa,df_zz])         # 默认沿axis=0，join=‘out’的方式进行concat
df_igno_idx = pd.concat([df_aa,df_zz], ignore_index=True)
'''
# 重新设定index(效果类似于pd.concat([df1,df2]).reset_index(drop=True))
'''
df_col = pd.concat([df_aa,df_zz], axis=1)

• 参考：https://blog.csdn.net/wsp_1138886114/article/details/101015664