pandas.read_sql（sql，con，index_col = None，coerce_float = True，params = None，parse_dates = None，columns = None，chunksize = None)源代码
将SQL查询或数据库表读入DataFrame。
此功能是一个方便的包装read_sql_table和 read_sql_query（为了向后兼容）。它将根据提供的输入委托给特定的功能。SQL查询将被路由到read_sql_query，而数据库表名将被路由到read_sql_table。请注意，委托的功能可能有更多关于其功能的特定说明，此处未列出。
参数： | sql： 要执行的SQL查询或表名。 con： 或DBAPI2连接（回退模式） 使用 则仅支持sqlite3。 index_col：字符串或字符串列表，可选，默认值： 要设置为索引的列（MultiIndex）。 coerce_float： 尝试将非字符串，非数字对象（如 这对SQL结果集很有用。 params： 要传递给执行方法的参数列表。用于传递参数的语法取决于数据库驱动程序。 检查数据库驱动程序文档， 了解PEP 249的paramstyle中描述的五种语法样式中的哪一种。 例如，对于 parse_dates： 要解析为日期的列名的列表。 的字典，其中格式字符串是在解析的情况下的 或是在解析整数时间戳的情况下（d，S，NS，MS，我们）之一。 dict of ，其中arg dict对应于关键字参数，特别适用于没有本机Datetime支持的数据库， 例如SQLite， columns： 从SQL表中选择的列名列表（仅在读取表时使用）。 chunksize： 如果指定，则返回一个迭代器，其中 |
返回： |
|
例如，
1）使用MySQLdb
import MySQLdb
mysql_cn= MySQLdb.connect(host='myhost',
port=3306,user='myusername', passwd='mypassword',
db='information_schema')
df_mysql = pd.read_sql('select * from VIEWS;', con=mysql_cn)
print 'loaded dataframe from MySQL. records:', len(df_mysql)
mysql_cn.close()
2）使用sqlalchemy
import pandas as pd
from sqlalchemy import create_engine
# 创建SQLite数据库连接
sqlite_engine = create_engine('sqlite:///your_database.db')
# 创建MySQL数据库连接，替换username、password、host、database
mysql_engine = create_engine('mysql+pymysql://username:password@host/database')
# SQL 查询
query = "SELECT * FROM your_table"
# 使用 read_sql 读取SQLite数据库数据
sqlite_df = pd.read_sql(query, sqlite_engine)
print("Data from SQLite:")
print(sqlite_df)
# 使用 read_sql 读取MySQL数据库数据
mysql_df = pd.read_sql(query, mysql_engine)
print("\nData from MySQL:")
print(mysql_df)
# 参数化查询
params = {'id': 10}
param_query = "SELECT * FROM your_table WHERE id = :id"
param_df = pd.read_sql(param_query, mysql_engine, params=params)
print("\nParameterized query result:")
print(param_df)
# 使用 chunksize 处理大数据集
print("\nProcessing large dataset in chunks:")
df_iter = pd.read_sql("SELECT * FROM your_table", mysql_engine, chunksize=100)
for df in df_iter:
# 处理每个数据块
print(df)