像使用mysql同樣使用pandas

像使用mysql同樣使用pandas

標籤（空格分隔）： mysql pandas

---

前言

pandas的DataFrame對象本質就是一張表，DataFrame對象中的index對應的就是數據庫表中的id字段，DataFrame對象中的columns對應的就是數據庫表中的一個個字段名稱，這說明pandas的DataFrame對象和數據庫中的表具備不少的類似點，而實際狀況也是這樣，咱們能夠用操做數據庫相似的方法來操做pandas的DataFrame對象，本文將使用類比的方法來講明pandas對象和數據庫的絲絲關聯

<hr>

數據庫的庫操做

1. 建立數據庫 create database db1 charset utf8;
2. 查看數據庫

show create database db1;
select database();

1. 選擇數據庫 use db1;
2. 刪除數據庫 drop database db1;
3. 修改數據庫 dlter database db1 charset utf8;

<hr> # 數據庫的表操做

1. 建立表

字段名1 類型[(寬度) 約束條件],
字段名2 類型[(寬度) 約束條件],
字段名3 類型[(寬度) 約束條件]
);

1. 查看錶結構： desc t1

2. 複製表 create table new_service select * from service;

3. 刪除表 drop table 表名;

4. 修改表

一、修改表名
 alter table 表名 rename 新表名;
 二、增長字段
 alter table 表名 add 字段名; 數據類型
 三、刪除字段
 alter table 表名 drop 字段名;
 四、修改字段
 alter table 表名 modify 字段名 數據類型;

<hr>

上述部分設計到數據庫的庫操做和表操做，對於pandas數據則沒有這些相應的操做，對數據的操做纔是pandas的DataFrame對象和數據庫的類似之處

數據操做：pandas和數據庫的對比

• 分別在mysql和pandas中建立數據表 mysql中：

create table tips (
     id int primary_key auto_increment,
     total_bill float,
     tip float,
     sex ENUM ('male','female'),
     smoker ENUM('yes','no'),
     day ENUM('mon','tue','wed','thr','fri','sat','sun'),
     time ENUM('breakfast','lunch','dinner'),
     size int;);

DataFrame中：(應用pymysql獲取表格數據，將表格數據放入DataFrame對象中)

import pandas as pd
import pymysql
db = pymysql.connect('localhost','root','','db5')
cursor = db.cursor(pymysql.cursors.DictCursor)
cursor.execute('select * from tips;')
data = cursor.fetchall()
data = [list(dic.values()) for dic in data]
df = pd.DataFrame(data1,columns['id','total_bill','tip','sex','smoker','day','time','size'])
#這樣得到的DataFrame對象會多出一列index，須要將id設爲index
df = df.set_index('id')

表格數據以下所示：

total_bill   tip     sex smoker  day    time  size
id                                                    
1        16.99  1.01  female     no  sun  dinner     2
2        10.34  1.66    male     no  sun  dinner     3
3        21.01  3.50    male     no  sun  dinner     3
4        23.68  3.31    male     no  sun  dinner     3
5        24.59  3.61  female     no  sun  dinner     4