Pandas leste SQL

Python inneholder “Pandas” -biblioteket for å analysere og manipulere dataene. “SQL” brukes til kommunikasjon med databasen. Vi kan også lese "Structured Query Language" i "Pandas". I SQL lagres dataene for langvarig bruk i form av tabeller. Vi kan enkelt lage SQL -tabellene og legge til data i disse tabellene. Vi kan også lese eller få tilgang til SQL -databasedataene i "Pandas". Vi vil bruke forskjellige måter å lese SQL -dataene i “Pandas” i denne guiden. Denne guiden handler om “Les SQL” i “Pandas”. Vi vil bruke “Pandas” -metodene for å lese SQL -tabellen og representere SQL -tabelldataene i form av DataFrame i “Pandas” i denne guiden.

“Pandas” -metoder for å lese SQL

Vi har tre teknikker for å lese SQLs data i “Pandas.”Her vil vi dekke alle tre tilnærmingene i denne guiden. Disse metodene er:

• read_sql () metode
• read_sql_query () metode
• read_sql_table () metode

Nå bruker vi disse metodene i "Pandas" for å lese SQL -tabelldataene i denne guiden. Eksemplene legges også til i følgende der vi bruker disse metodene.

Eksempel 1:

Vi oppretter SQL -databasen og forklarer metodene for hvordan vi lager den. Vi importerer “Sqlite3” her for å få tilgang til modulene til “SQLite3”. Deretter oppretter vi "My_conn" -variabelen og kobler den til databasen ved å bruke "Connect ()". Navnet på databasen som vi opprettet er “Writers_Database”. Vi plasserer “Sqlite3” med “Connect ()” siden det er metoden for “SQLite3” som vi fikk tilgang til her.

Etter dette plasserer vi "Markøren ()" -metoden med variabelnavnet som vi opprettet og lagrer den i "my_c" -variabelen. Etter dette oppretter vi “Writers” -tabellen der “Writer_id” er satt som “Primary Key” og er Heltalls datatype. Deretter legger vi til “Writer_name and Writer_type”. Begge er datatypen "tekst". Vi legger også til "Working_Days and Pay" av "Heltall" -datatypen. Etter dette setter vi inn dataene i tabellkolonnen “Forfatter”.

Vi legger til navnene på kolonnene som vi tidligere har laget. Deretter plasserer vi "verdiene" der vi oppgir verdiene. Vi går inn i "1, Stephen, teknisk forfatter, 4, 80000", som er den første platen til dette "forfatterne" -bordet. Deretter legger vi til “2, Peter, akademisk forfatter, 5, 70000” som den andre posten av SQL -tabellen. Vi legger også til “3, William, bloggerforfatter, 6, 30000” og “4, David, teknisk forfatter, 6, 450000” som tredje og fjerde poster. Deretter legger vi også til “5, Charlie, artikkelforfatter, 5, 150000” som den femte rekorden. Etter dette bruker vi “Commit ()”. Nå opprettes "forfattere" -databasen. Vi bruker "Pandas" -metodene for å lese disse SQL -dataene.

Vi importerer “Sqlite3” i denne nye filen for å få tilgang til moduler og funksjoner i denne koden. Vi importerer også “Pandas” -modulene her. Nå kan vi enkelt bruke metodene eller funksjonene til både “Sqlite3” og “Pandas”. Vi legger til "my_conn" -variabelen og initialiserer denne "my_conn" med "sqlite3" -metoden som er "connect ()". Vi kobler det til "forfatteren_database" som vi tidligere har laget. Etter dette bruker vi “PD.read_sql () ”-metode for å lese dataene til SQL -filen. Vi plasserer “PD” som det er metoden for “Pandas”. Vi legger til spørringen i den, som er “Select * From Writers” som velger alle dataene fra “Writers” -tabellen og lagrer dataene til SQL i variabelen “SQL_QUERY”.

Vi plasserer også "My_conn" -variabelen i denne funksjonen som hjelper til med å koble til "Writers" -databasen. Deretter konverterer vi dataene til følgende DataFrame ved å bruke “PD.DataFrame () ”-metode. Vi passerer variabelen "SQL_Query" der SQLs data er lagret. Vi setter også inn kolonnenavnene. Vi legger til de samme kolonnenavnene som vi har skrevet i SQL -databasen.

Deretter bruker vi "print ()" og passerer "sql_df", slik at dataene til SQL -utskriftene i form av DataFrame når vi kjører dette programmet.

Trykk på "Kjør" -ikonet og få resultatet av koden. Alle dataene fra databasen "Forfattere" vises her som DataFrame.

Eksempel 2:

I dette eksemplet leser vi dataene fra SQL ved hjelp av “PD.read_sql_query () ”metode. Vi legger til den samme spørringen som vi har lagt til tidligere for å få alle dataene til SQL. Vi endrer metoden i denne koden for å lese dataene til SQL. Vi endrer også dataene til SQL i DataFrame ved hjelp av "Pandas" -metoden og skriver den deretter ut her.

Du kan merke den samme utgangen her. Resultatet som vi får etter å ha brukt begge metodene gir samme resultat her.

Eksempel 3:

Nå bruker vi “read_sql_table ()” -metoden. Vi trenger ikke å legge til spørringen i denne metoden. Vi plasserer bare “read_sql ()” -metoden. I denne metoden legger vi ganske enkelt navnet på SQL -tabellen for å trekke ut dataene til SQL. Deretter konverterer vi disse SQL -dataene i DataFrame ved å bruke “PD.DataFrame ”og legg til“ SQL_Query ”som sin første parameter. Vi legger også til navnene på kolonner i "Navn". Deretter gjengir vi DataFrame som er lagret i "data" -variabelen ved å legge til denne variabelen i "print ()" i følgende:

Når denne koden utføres, er den identiske utgangen synlig. Her gir utfallet av å bruke alle de tre tilnærmingene samme resultat. Her får vi hele DataFrame når vi fikk tilgang til den i de forrige kodene.

Eksempel 4:

Vi kan også bruke noen betingelser mens vi får tilgang til dataene fra SQL. Vi vil vise hvordan vi får ønsket data fra SQL og skriver dem ut. Her gjengir vi ikke hele SQL -tabellens data. Vi bruker metoden “read_sql_query ()” her hvor vi plasserer “Select * From Writers” og legger til en tilstand som er “Pay = 70000”. Det vil bare få tilgang til kolonnene der forfatterens lønn er “70000” og ikke får hele SQL -tabellen. Dette får tilgang til de radene der vi legger til "70000" i "lønn" -kolonnen i SQL -tabellen. Vi konverterer også disse radene til DataFrame og gjengir dem på utgangen.

Vi får bare en rad her fordi bare en rad i DataFrame inneholder "70000" i "Pay" -kolonnen. Den får bare tilgang til den raden og viser den på terminalen. Den viste ikke hele SQL -tabellen siden vi la til tilstanden i spørringen til SQL.

Konklusjon

Vi lærte om SQL -tabellen i “Pandas” i denne guiden. Vi diskuterte hvordan du oppretter SQL -databasetabellen og hvordan du kan lese den SQL -tabellen i “Pandas”. Vi forklarte at "Pandas" har tre metoder som hjelper oss med å lese SQL -tabellen. Vi utforsket alle tilnærmingene som hjelper til med å lese SQL i "Pandas". Vi illustrerte kodene vi leste SQL i "Pandas". Vi viste også resultatene fra disse kodene. Vi forklarte hvordan vi får de valgte dataene fra SQL -tabellen. Vi ga SQL -dataene i form av "Pandas" DataFrame i denne guiden og forklarte dem i detalj.