关于python:如何将SQL查询结果转换为PANDAS数据结构?

How to convert SQL Query result to PANDAS Data Structure?

任何有关此问题的帮助将不胜感激。

所以基本上我想对我的SQL数据库运行查询并将返回的数据存储为Pandas数据结构。

我附加了查询代码。

我正在阅读关于Pandas的文档,但是我有问题确定我的查询的返回类型。

我试图打印查询结果,但它没有提供任何有用的信息。

谢谢!!!!

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from sqlalchemy import create_engine

engine2 = create_engine('mysql://THE DATABASE I AM ACCESSING')
connection2 = engine2.connect()
dataid = 1022
resoverall = connection2.execute("
  SELECT
      sum(BLABLA) AS BLA,
      sum(BLABLABLA2) AS BLABLABLA2,
      sum(SOME_INT) AS SOME_INT,
      sum(SOME_INT2) AS SOME_INT2,
      100*sum(SOME_INT2)/sum(SOME_INT) AS ctr,
      sum(SOME_INT2)/sum(SOME_INT) AS cpc
   FROM daily_report_cooked
   WHERE campaign_id = '%s'"
, %dataid)

所以我想知道我的变量"resoverall"的格式/数据类型是什么,以及如何使用PANDAS数据结构。


编辑:2015年3月

如下所述,pandas现在使用SQLAlchemy来读取(read_sql)和插入(to_sql)数据库。以下应该有效

1
2
3
import pandas as pd

df = pd.read_sql(sql, cnxn)

上一个答案:
通过mikebmassey来自类似的问题

1
2
3
4
5
6
7
8
9
import pyodbc
import pandas.io.sql as psql

cnxn = pyodbc.connect(connection_info)
cursor = cnxn.cursor()
sql ="SELECT * FROM TABLE"

df = psql.frame_query(sql, cnxn)
cnxn.close()


这是完成这项工作的最短代码:

1
2
3
from pandas import DataFrame
df = DataFrame(resoverall.fetchall())
df.columns = resoverall.keys()

你可以像保罗的回答一样更好地解析这些类型。


如果您使用的是SQLAlchemy的ORM而不是表达式语言,您可能会发现自己想要将sqlalchemy.orm.query.Query类型的对象转换为Pandas数据框。

最干净的方法是从查询的语句属性中获取生成的SQL,然后使用pandas的read_sql()方法执行它。例如,从名为query的Query对象开始:

1
df = pd.read_sql(query.statement, query.session.bind)


编辑2014-09-30:

pandas现在有一个read_sql功能。你肯定想要使用它。

原始答案:

我无法帮助你使用SQLAlchemy - 我总是根据需要使用pyodbc,MySQLdb或psychopg2。但是当这样做时,一个像下面那样简单的功能可以满足我的需求:

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
51
import decimal

import pydobc
import numpy as np
import pandas

cnn, cur = myConnectToDBfunction()
cmd ="SELECT * FROM myTable"
cur.execute(cmd)
dataframe = __processCursor(cur, dataframe=True)

def __processCursor(cur, dataframe=False, index=None):
    '''
    Processes a database cursor with data on it into either
    a structured numpy array or a pandas dataframe.

    input:
    cur - a pyodbc cursor that has just received data
    dataframe - bool. if false, a numpy record array is returned
                if true, return a pandas dataframe
    index - list of column(s) to use as index in a pandas dataframe
    '''

    datatypes = []
    colinfo = cur.description
    for col in colinfo:
        if col[1] == unicode:
            datatypes.append((col[0], 'U%d' % col[3]))
        elif col[1] == str:
            datatypes.append((col[0], 'S%d' % col[3]))
        elif col[1] in [float, decimal.Decimal]:
            datatypes.append((col[0], 'f4'))
        elif col[1] == datetime.datetime:
            datatypes.append((col[0], 'O4'))
        elif col[1] == int:
            datatypes.append((col[0], 'i4'))

    data = []
    for row in cur:
        data.append(tuple(row))

    array = np.array(data, dtype=datatypes)
    if dataframe:
        output = pandas.DataFrame.from_records(array)

        if index is not None:
            output = output.set_index(index)

    else:
        output = array

    return output


MySQL连接器

对于那些使用mysql连接器的人,您可以使用此代码作为开始。 (感谢@Daniel Velkov)

使用的参考:

  • 使用Connector / Python查询数据
  • 使用Python以3个步骤连接到MYSQL
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
import pandas as pd
import mysql.connector

# Setup MySQL connection
db = mysql.connector.connect(
    host="<IP>",              # your host, usually localhost
    user="<USER>",            # your username
    password="<PASS>",        # your password
    database="<DATABASE>"     # name of the data base
)  

# You must create a Cursor object. It will let you execute all the queries you need
cur = db.cursor()

# Use all the SQL you like
cur.execute("SELECT * FROM <TABLE>")

# Put it all to a data frame
sql_data = pd.DataFrame(cur.fetchall())
sql_data.columns = cur.column_names

# Close the session
db.close()

# Show the data
print(sql_data.head())

这是我使用的代码。希望这可以帮助。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import pandas as pd
from sqlalchemy import create_engine

def getData():
  # Parameters
  ServerName ="my_server"
  Database ="my_db"
  UserPwd ="user:pwd"
  Driver ="driver=SQL Server Native Client 11.0"

  # Create the connection
  engine = create_engine('mssql+pyodbc://' + UserPwd + '@' + ServerName + '/' + Database +"?" + Driver)

  sql ="select * from mytable"
  df = pd.read_sql(sql, engine)
  return df

df2 = getData()
print(df2)


这是对您的问题的简短而清晰的答案:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from __future__ import print_function
import MySQLdb
import numpy as np
import pandas as pd
import xlrd

# Connecting to MySQL Database
connection = MySQLdb.connect(
             host="hostname",
             port=0000,
             user="userID",
             passwd="password",
             db="table_documents",
             charset='utf8'
           )
print(connection)
#getting data from database into a dataframe
sql_for_df = 'select * from tabledata'
df_from_database = pd.read_sql(sql_for_df , connection)

只需一起使用pandaspyodbc即可。您必须根据数据库规范修改连接字符串(connstr)。

1
2
3
4
5
6
7
8
import pyodbc
import pandas as pd

# MSSQL Connection String Example
connstr ="Server=myServerAddress;Database=myDB;User Id=myUsername;Password=myPass;"

# Query Database and Create DataFrame Using Results
df = pd.read_sql("select * from myTable", pyodbc.connect(connstr))

我已经将pyodbc与几个企业数据库(例如SQL Server,MySQL,MariaDB,IBM)一起使用。


resoverall是sqlalchemy ResultProxy对象。您可以在sqlalchemy文档中阅读有关它的更多信息,后者解释了使用Engines和Connections的基本用法。这里重要的是resoverall是dict的。

Pandas喜欢像对象一样创建数据结构,请参阅在线文档

祝你好运sqlalchemy和熊猫。


与Nathan一样,我经常想将sqlalchemy或sqlsoup查询的结果转储到Pandas数据框中。我自己的解决方案是:

1
2
query = session.query(tbl.Field1, tbl.Field2)
DataFrame(query.all(), columns=[column['name'] for column in query.column_descriptions])


这个问题很老,但我想补充两分钱。我把这个问题读作"我想对我的[my] SQL数据库运行查询,并将返回的数据存储为Pandas数据结构[DataFrame]。"

从代码看起来你的意思是mysql数据库,并假设你的意思是pandas DataFrame。

1
2
3
4
5
6
import MySQLdb as mdb
import pandas.io.sql as sql
from pandas import *

conn = mdb.connect('<server>','<user>','<pass>','<db>');
df = sql.read_frame('<query>', conn)

例如,

1
2
conn = mdb.connect('localhost','myname','mypass','testdb');
df = sql.read_frame('select * from testTable', conn)

这会将testTable的所有行导入DataFrame。


这是我的。以防您使用"pymysql":

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import pymysql
from pandas import DataFrame

host   = 'localhost'
port   = 3306
user   = 'yourUserName'
passwd = 'yourPassword'
db     = 'yourDatabase'

cnx    = pymysql.connect(host=host, port=port, user=user, passwd=passwd, db=db)
cur    = cnx.cursor()

query  =""" SELECT * FROM yourTable LIMIT 10"""
cur.execute(query)

field_names = [i[0] for i in cur.description]
get_data = [xx for xx in cur]

cur.close()
cnx.close()

df = DataFrame(get_data)
df.columns = field_names

最好的方式我这样做

1
2
3
db.execute(query) where db=db_class() #database class
    mydata=[x for x in db.fetchall()]
    df=pd.DataFrame(data=mydata)

pandas.io.sql.write_frame已弃用。
https://pandas.pydata.org/pandas-docs/version/0.15.2/generated/pandas.io.sql.write_frame.html

应该改为使用pandas.DataFrame.to_sql
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_sql.html

还有另一种解决方案。
PYODBC到Pandas - DataFrame不工作 - 传递值的形状是(x,y),索引暗示(w,z)

截至Pandas 0.12(我相信)你可以这样做:

1
2
3
4
5
6
7
import pandas
import pyodbc

sql = 'select * from table'
cnn = pyodbc.connect(...)

data = pandas.read_sql(sql, cnn)

在0.12之前,您可以:

1
2
3
4
5
6
7
8
import pandas
from pandas.io.sql import read_frame
import pyodbc

sql = 'select * from table'
cnn = pyodbc.connect(...)

data = read_frame(sql, cnn)

如果结果类型是ResultSet,则应首先将其转换为字典。然后将自动收集DataFrame列。

这适用于我的情况:

1
df = pd.DataFrame([dict(r) for r in resoverall])

1.使用MySQL-connector-python

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# pip install mysql-connector-python

import mysql.connector
import pandas as pd

mydb = mysql.connector.connect(
    host = 'host',
    user = 'username',
    passwd = 'pass',
    database = 'db_name'
)
query = 'select * from table_name'
df = pd.read_sql(query, con = mydb)
print(df)

2.使用SQLAlchemy

1
2
3
4
5
6
7
8
9
10
11
12
13
# pip install pymysql
# pip install sqlalchemy

import pandas as pd
import sqlalchemy

engine = sqlalchemy.create_engine('mysql+pymysql://username:password@localhost:3306/db_name')

query = '''
select * from table_name
'''

df = pd.read_sql_query(query, engine)
print(df)


很长一段时间从上一篇文章,但也许??它有助于某人

比保罗H短道:

1
2
my_dic = session.query(query.all())
my_df = pandas.DataFrame.from_dict(my_dic)