SQL转换Pandas DataFrame将SQL转换为Pandas DataFrame执行python操作数据库，本例

将SQL转换为Pandas DataFrame执行python操作数据库，本例以sqlLite为例。一.创建sqlLite数据库并插入数据为了演示如何将sql转换为Pandas DataFrame对数据进行操作，我们首先用Python创建sqlLite数据库，创建数据表并插入数据。代码中使用了python的sqlite3包。 1.示例数据库名称：test_database 2.示例数据库表名：products，为了操作简单，我们只创建了一个表 3.示例数据：表products只包含了三个字段：product_id，product_name，price 示例数据如下表展示

product_id	product_name	price
1	Computer	800
2	Printer	200
3	Tablet	300
4	Desk	450
5	Chair	150

4.示例代码：

import sqlite3

conn = sqlite3.connect('test_database') 
c = conn.cursor()

c.execute('''
          CREATE TABLE IF NOT EXISTS products
          ([product_id] INTEGER PRIMARY KEY, [product_name] TEXT, [price] INTEGER)
          ''')
          
c.execute('''
          INSERT INTO products (product_id, product_name, price)

                VALUES
                (1,'Computer',800),
                (2,'Printer',200),
                (3,'Tablet',300),
                (4,'Desk',450),
                (5,'Chair',150)
          ''')                     

conn.commit()

保存为demoCreate.py 在Python中执行 python3 demoCreate.py,会在该脚本目录生成test_database, 这个文件就是我们创建的示例数据库及相应数据。

二.转换sql为Pandas查询的两种方法 1.使用Pandas DataFrame 的 read_sql_query方法进行sql查询:

import sqlite3
import pandas as pd

conn = sqlite3.connect('test_database') 
       
sql_query = pd.read_sql_query ('''
                            SELECT
                            *
                            FROM products
                            ''', conn)

df = pd.DataFrame(sql_query, columns = ['product_id', 'product_name', 'price'])
print (df)

将上面的脚本保存为readSQL.py,然后在python环境中执行，正常情况会查询出如下数据结果： product_id product_name price 0 1 Computer 800 1 2 Printer 200 2 3 Tablet 300 3 4 Desk 450 4 5 Chair 150

如果出现ModuleNotFoundError: No module named 'pandas'，则需要安装pandas组件： pip3 install pandas 然后再执行即可 2.还有另外一种方法进行查询：

import sqlite3
import pandas as pd

conn = sqlite3.connect('test_database') 
c = conn.cursor()
                
c.execute('''
         SELECT
         *
         FROM products
         ''')

df = pd.DataFrame(c.fetchall(), columns = ['product_id', 'product_name', 'price'])
print (df)

执行的结果和上面是一样的。

三.转换sql为Pandas查询最大值通过使用Pandas的方法计算最大值，如下方法：

max_price = df['price'].max()
print (max_price)

完整的代码如下：

import sqlite3
import pandas as pd

conn = sqlite3.connect('test_database') 
c = conn.cursor()
                 
c.execute('''
          SELECT
          *
          FROM products
          ''')

df = pd.DataFrame(c.fetchall(), columns = ['product_id', 'product_name', 'price'])

max_price = df['price'].max()
print (max_price)

在python环境中执行，会得出如下结果：