这是我参与11月更文挑战的第18天。


零、写在前面

本系列学习笔记参考书籍: 《数据分析实战》托马兹·卓巴斯,会将自己学习本书的笔记分享给大家,同样开成一个系列『数据分析从零开始实战』。


点击查看第一篇文章:​ # 数据分析从零开始实战,Pandas读写CSV数据​

点击查看第二篇文章:​ # 数据分析从零开始实战,Pandas读写TSV/Json数据​

点击查看第三篇文章: ​ # 数据分析从零开始实战,Pandas读写Excel/XML数据​

点击查看第四篇文章:  ​​# 数据分析从零开始实战,Pandas读取HTML页面+数据处理解析​


前面四篇文章讲了数据分析虚拟环境创建和pandas读写CSV、TSV、JSON、Excel、XML格式的数据,HTML页面读取,今天我们继续探索pandas。


一、基本知识概要

  1. SQLAlchemy模块安装
  2. 数据库PostgreSQL下载安装
  3. PostgreSQL基本介绍使用
  4. Pandas+SQLAlchemy将数据导入PostgreSQL
  5. Python与各种数据库的交互代码实现


二、开始动手动脑

1、SQLAlchemy模块安装

安装​​SQLAlchemy​​模块(下面操作都是在虚拟环境下): 方法一:直接pip安装(最简单,安装慢,可能出错)

pip install SQLAlchemy

方法二:轮子(wheel)安装(比较简单,安装速度还可以,基本不出错) 点击​​这里下载​​SQLAlchemy的​​.whl​​文件,然后移动到你的开发环境目录下。

pip install xxxxx.whl

方法三:豆瓣源安装(比较简单,安装速度快,方便,推荐)

pip install -i https://pypi.douban.com/simple/ SQLAlchemy

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_Python

2、数据库PostgreSQL下载安装

(1) 下载地址:https://www.enterprisedb.com/software-downloads-postgres

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_postgresql_02

(2) 下载完成后,点击安装文件,基本上就是Next。

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_mysql_03

First ,安装目录,建议自己选择,不要安装在C盘。

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_Python_04

Second ,Password,可以设置简单点,毕竟只是用来自己学习。

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_数据分析_05

Third ,端口号,建议不要改,就用5432,改了容易和其他端口冲突,到时候自己又不知道怎么解决,麻烦。

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_mysql_06

其他没有说到的就默认设置,Next,Next,Next~安装过程一般10分钟左右,不要急。 Finally ,安装完成后,取消图上的选项框,图上的意思是在后台启动Stack Builder(堆栈生成器),没有必要。

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_postgresql_07

最后推荐几个相关学习网站 Postgre 社区:https://www.postgresql.org/community/ Postgre官方文档: https://www.postgresql.org/docs/ 易百 Postgre 学习教程:https://www.yiibai.com/postgresql

3、PostgreSQL基本介绍使用

(1) PostgreSQL特点

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_postgresql_08

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_mysql_09

以上内容截取自 易百 Postgre 学习教程。 (2) 利用PostgreSQL创建一个数据库 a .打开​​pgADmin4​​,发现这个图形化操作界面是一个Web端的,先会要求输入Password,就是安装时候设置的Password。 点击​​Servers​​->​​PostgreSQL 11​​->​​Databases​​->右键->​​Create​​->​​Database​​。

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_sqlalchemy_10

b .输入数据库名称,其他默认,注释自己随便写,我写的​​first database​​,表示我的第一个数据库。

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_数据分析_11

我们还可以看一下数据库创建的语句,点击弹框中的​​SQL​​即可。

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_sqlalchemy_12

4、Pandas+SQLAlchemy将数据导入Postgre

(1) Python操作代码

import pandas as pd
import sqlalchemy as sa


# 读取的CSV文件路径
r_filepath = r"H:\PyCoding\Data_analysis\day01\data01\realEstate_trans.csv"
# 数据库鉴权
user = "postgres" # 数据库用户名
password = "root" # 数据库password
db_name = "test513" # 数据库名称
# 连接数据库
engine = sa.create_engine('postgresql://{0}:{1}@localhost:5432/{2}'.format(user, password, db_name))
print(engine)
# 读取数据
csv_read = pd.read_csv(r_filepath)
# 将 sale_date 转成 datetime 对象
csv_read['sale_date'] = pd.to_datetime(csv_read['sale_date'])
# 将数据存入数据库
csv_read.to_sql('real_estate', engine, if_exists='replace')
print("完成")
# 可能报错:ModuleNotFoundError: No module named 'psycopg2'
# 解决方法:pip install psycopg2

(2) 代码解析

engine = sa.create_engine('postgresql://{0}:{1}@localhost:5432/{2}'.format(user, password, db_name))

sqlalchemy的create_engine函数,创建一个数据库连接,参数为一个字符串,字符串的格式是:

​<database_type>://<user_name>:<password>@<server>:<port>/<database_name>​

​数据库类型://数据库用户名:数据库password@服务器IP(如:127.0.0.1)或者服务器的名称(如:localhost):端口号/数据库名称​

​其中可以是:postgresql,mysql等。

csv_read.to_sql('real_estate', engine, if_exists='replace')

pandas的to_sql函数,将数据(csv_read中的)直接存入postgresql,第一个参数指定了存储到数据库后的表名,第二个参数指定了数据库引擎,第三个参数表示,如果表​​real_estate​​已经存在,则替换掉。 (3) 运行结果

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_Python_13

此外,​​pandas​​库还提供了数据库查询操作函数​​read_sql_query​​,只需传入查询语句和数据库连接引擎即可,源码注释为​​Read SQL query into a DataFrame.​​,意思是:把数据库查询的内容变成一个​​DataFrame​​对象返回。

query = 'SELECT * FROM real_estate LIMIT 10'
top10 = pd.read_sql_query(query, engine)
print(top10)

#yyds干货盘点#数据分析从零开始实战,Python、Pandas与各类数据库_postgresql_14

5、Python与各个数据库的交互代码

a . Python 与 MySql

# 使用前先安装 pymysql 模块 :pip install pymysql
# 导入 pymysql 模块
import pymysql
#连接数据库,参数说明:服务器,用户名,数据库password,数据库名称
db = pymysql.connect("localhost","root","root","db_test")
#使用cursor()方法创建一个游标对象
cursor = db.cursor()
#使用execute()方法执行SQL语句
cursor.execute("SELECT * FROM test_table")
#使用fetall()获取全部数据
data = cursor.fetchall()
#关闭游标和数据库的连接
cursor.close()
db.close()

b . Python 与 MongoDB

# 使用前先安装 pymongodb 模块 :pip install pymongodb 
# 导入 pymogodb 模块
import pymongo
# 连接数据库,参数说明:服务器IP,端口号默认为27017
my_client = pymongo.MongoClient(host="127.0.0.1",port=27017)
# 直接通过数据库名称索引,有点像字典
my_db = my_client["db_name"]
# 连接 collection_name 集合,Mongodb里集合就相当于Mysql里的表
my_collection = my_client["collection_name"]
datas = my_collection.find() # 查询
for x in datas :
print(x)

c . Python 与 Sqlite

# 使用前先安装 sqlite3  模块 :pip install sqlite3
'''
sqlite数据库和前面两种数据库不一样,它是一个本地数据库
也就是说数据直接存在本地,不依赖服务器
'''
# 导入 sqlite3 模块
import sqlite3
# 连接数据库,参数说明:这里的参数就是数据文件的地址
conn = sqlite3.connect('test.db')
#使用cursor()方法创建一个游标对象
c = conn.cursor()
#使用execute()方法执行SQL语句
cursor = c.execute("SELECT * from test_table")
for row in cursor:
print(row)
#关闭游标和数据库的连接
c.close()
conn.close()

三、送你的话

坚持 and 努力 : 终有所获。


思想很复杂,

实现很有趣,

只要不放弃,

终有成名日。

—《老表打油诗》


下期见,我是爱猫爱技术的老表,如果觉得本文对你学习有所帮助,欢迎点赞、评论、关注我!