讀寫數據庫
大多數情況下，海量的數據是使用數據庫進行數據庫進行存儲的，這主要是依賴于數據庫的數據結構化、數據共享性、獨立性等特點。因此，在實際生產環境中，絕大多數的數據都是存儲在數據庫中。pandas支持MySQL、Oracle、SQLite等主流數據庫的讀寫操作。
為了高效地對數據庫中的數據進行讀取，這里需要引入SQLAlchemy。SQLAlchemy是使用Python/ target=_blank class=infotextkey>Python編寫的一款開源軟件，它提供的SQL工具包和對象映像工具能夠高效地訪問數據庫。在使用SQLAlchemy時需要使用相應的連接工具包，比如MySQL需要安裝mysqlconnector，Oracle則需要安裝cx_oracle。
這里簡單介紹幾種安裝mysqlconnector的方法
1. pip install mysql-connector
2. conda install mysql-connector
#注意如果都安裝不成功，可能是python環境或anaconda環境配置沒配好，可以試試重新安裝軟件或者配置文件
pandas.io.sql模塊常用的函數
1. read_sql_table() : 將讀取的整張數據表的數據轉換成DataFrame對象
2. read_sql_query() ：將SQL語句讀取的結果轉換成DataFrame對象
3. read_sql() ：上述兩個函數的結合，既可以讀數據表也可以讀SQL語句
4. to_sql()：將數據寫入到SQL數據庫中
一、使用read_sql()函數讀取數據
read_sql() 函數既可以讀取整張數據表，又可以執行SQL語句，其語法格式如下：pandas.read_sql(sql，con，index_col=None，coerce_float=True，parmes=None，parse_dates=None，columns=None，chunksize=None）
常用參數的含義如下：
- sql：表示被執行的SQL語句
- con：接收數據庫連接，表示數據庫的連接信息
- index_col：默認為None，如果傳入一個列表，則表示為層次化索引
- coerce_float：將非法字符串、非數字對象的值轉換為浮點數類型
- params：傳遞給執行方法的參數列表，如params={'name':'values'}
- columns：接收list表示讀取數據的列名，默認為None
接下來，通過一個例子來演示如何使用read_sql()函數讀取數據庫中的數據表：
#上述中，首先導入了sqlalchemy模塊，通過create_engine（）函數創建連接數據庫的信息，然后調用read_sql（）函數讀取數據庫的student數據表，并轉換成DataFrame對象
#在使用create_engine（）函數創建連接時，格式為："數據庫類型+數據庫驅動名稱：//用戶名：密碼@機器地址：端口號/數據庫名"
read_sql（）函數執行sql語句時的例子：
二 、使用to_sql（）方法將數據寫入數據庫中
to_sql()方法的功能是將Series和DataFrame對象以數據表的形式寫入數據庫中，語法為：to_sql（name，con，schema=None，if_exists=‘fail’，index=True，index_label=None，chunksize=None，dtype=None）
- name：表示數據庫的名稱
- con：表示數據庫的連接信息
- if_exists：可以取值為fail、replace或Append，默認為fail
每個取值代表的含義如下：
fail：如果表存在，則不執行寫入操作
replace ：如果表存在，則將源數據表刪除再重新創建
append：如果表存在，那么在原數據庫表的基礎上追加數據
- index：表示是否將DataFrame行索引作為數據傳入數據庫，默認為True
- index_label：表示是否引用索引名稱。如果index設為True，此參數為None，則使用默認名稱；如果index為層次化索引，則使用序列類型
接下來，通過一個例子來演示如何使用to_sql()函數將DataFrame對象寫入到名稱為students數據表中：
#在使用to_sql（）方法寫入數據庫時，如果寫入的數據表名與數據庫中其他的數據表名相同時，則返回該數據表已存在的錯誤
