python数据分析 pandas库-数据的读取和保存

python数据分析 pandas库-数据读取和保存

一、数据文件

在数据分析中，数据的读取是非常重要的一步。Pandas 提供了丰富的接口来读取各种格式的数据文件，例如 CSV、Excel、JSON、SQL 数据库等。接下来我们将详细说明如何使用 Pandas 读取不同格式的数据文件。

---

1、CSV文件的读取和保存

1） 读取 CSV 文件（pandas.read_csv()）

CSV（Comma-Separated Values）是最常见的文本数据格式之一，通常用于保存表格数据。Pandas 提供了 pd.read_csv() 函数来读取 CSV 文件。

df = pd.read_csv('data.csv')

参数：

• filepath_or_buffer：它是read_csv()的第一个参数，也是最重要的参数。它指定了要读取的 CSV 文件的路径或 URL。
• sep：指定分隔符，默认是逗号 ,，可以自定义为其他符号，如分号 ;。
  • 例如：

df = pd.read_csv('data.csv'，sep=';')

​ 分隔符错了，他们就会变成一列。

• header：指定哪一行作为列名，默认是第 0 行。

• names：如果文件没有列名，可以通过 names 指定列名列表。

• index_col：指定哪一列作为索引列，默认不使用，但我参数填3时，第四列就成为了索引，原索引向前移了一位。
• 
• usecols：指定要读取的列，可以通过列名或列号来选择。它是参数可以是列名，也可以是列序号，也就是设置它以后，只读取你想要读取的列，其他列就不读取，节省了内存空间。
• 

2）保存CSV文件（to_csv())

参数

path_or_buf:

• 说明 : 这是文件保存路径或对象。如果是 None，则返回 CSV 数据作为字符串，而不是写入文件。

• 类型 : str 或 None

  df.to_csv('data.csv')  # 保存为 data.csv 文件
  df.to_csv(None)  # 返回 CSV 数据作为字符串

  

sep:

• 说明 : 指定字段之间的分隔符。默认是逗号（,）。你可以设置为其他字符，与read_csv()函数的意思一直，只不过这里是设置保存在文本中的分隔符号

• 类型 : str

  df.to_csv('data.csv')  # 保存为 data.csv 文件
  df.to_csv('data.csv', sep=';')  # 使用逗号作为分隔符

  

na_rep:

• 说明: 用于表示缺失数据的字符串。如果 DataFrame 中有缺失值，会用这个字符串代替。

• 类型 : str

• 示例

  df = pd.read_csv(filepath_or_buffer='data.csv', sep=',', header=0, index_col=0)
  df.loc['张三','国家'] = '333' 
  df.to_csv('data1.csv', sep=',',na_rep="我是缺失的数据")
  csv_string = df.to_csv()
  print(csv_string)

  

float_format:

• 说明 : 格式化浮点数的格式字符串。例如 '%0.2f' 表示保留两位小数。

• 类型 : str

• 示例

  :

  df.to_csv('data.csv', float_format='%0.3f')  # 浮点数格式为两位小数

  

columns:

• 说明: 指定要写入 CSV 文件的列名。如果不指定，则写入所有列。

• 类型 : list 或 None

• 示例

  :

  df.to_csv('data.csv', columns=['身份id'])  # 只保存 '身份id' 和 '数字id' 列

  

header:

• 说明 : 是否写入列名。可以是布尔值（True 或 False）或列名列表。如果为 True，则写入列名；如果为 False，则不写入列名。如果提供列名列表，则会覆盖默认的列名。

• 类型 : bool 或 list

• 示例

  :

  df.to_csv('data.csv', header=True)  # 写入列名
  df.to_csv('data.csv', header=False)  # 不写入列名
  df.to_csv('data.csv', header=['1', '2', '3'])  # 使用自定义列名,自定义的列名数量必须要和源数据的一致

  

index:

• 说明 : 是否写入行索引。默认为 True，即写入行索引。如果设置为 False，则不写入行索引。

• 类型 : bool

• 示例

  :

  df.to_csv('data.csv', index=True)  # 写入行索引
  df.to_csv('data.csv', index=False)  # 不写入行索引

  

index_label:

• 说明 : 行索引的列名。如果 index 为 True，可以指定索引列的名称。如果不指定，则不设置索引列名。

• 类型 : str 或 None

• 示例

  :

  df.to_csv('data.csv', index=True, index_label='索引')  # 行索引列名为 '索引'

  

mode:

• 说明 : 文件打开模式。默认是 'w'（写模式）。可以设置为 'a'（追加模式），将数据追加到现有文件的末尾。

• 类型 : str

• 示例

  :

  df.to_csv('data.csv', mode='w')  # 写模式（覆盖原文件）
  df.to_csv('data.csv', mode='a')  # 追加模式（追加到文件末尾）

compression:

• 说明 : 文件压缩方式。可以设置为 'infer'（根据文件扩展名自动推断）、'bz2'、'gzip'、'xz'、'zip' 等。如果使用压缩格式，可以通过 compression_options 参数提供额外的压缩选项。

• 类型 : str 或 dict 或 None

• 示例

  :

  df.to_csv('data.csv.gz', compression='gzip')  # 使用 gzip 压缩
  df.to_csv('data.zip', compression='zip')  # 使用 zip 压缩

---

2. Excel 文件

Excel 是常用的电子表格格式，Pandas 支持使用 pd.read_excel() 函数读取 .xlsx 和 .xls 文件。注意，这需要安装额外的依赖库，如 openpyxl（用于 .xlsx）或 xlrd（用于 .xls）。

# 读取 Excel 文件
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 查看前几行数据
print(df.head())

1）读取excel文件（pandas.to_excel())

1. io:

   • 说明 : 文件路径、URL、Excel 文件对象、或 StringIO 对象。

   • 类型 : str, pathlib.Path, file-like object, StringIO

     df = pd.read_excel(io=pathlib.Path('data.xlsx'))

     

2. sheet_name:

   • 说明: 要读取的工作表名称或位置。如果有多个工作表，可以使用列表指定多个工作表。

   • 类型 : str, int, list, None

     df = pd.read_excel('data.xlsx', sheet_name='Sheet1')  # 读取名为 'Sheet1' 的工作表
     df = pd.read_excel('data.xlsx', sheet_name=0)  # 读取第一个工作表
     df = pd.read_excel('data.xlsx', sheet_name=['Sheet1', 'Sheet2'])  # 读取多个工作表

     

3. header:

   • 说明 : 指定哪一行作为列名。默认为 0，表示第 0 行作为列名。可以设置为 None 表示没有列名，或提供行号作为列名，如果设置其他行序号，则会跳过这个序号之前的数据。

   • 类型 : int, list, None

     df = pd.read_excel('data.xlsx', header=0)  # 使用第 0 行作为列名
     df = pd.read_excel('data.xlsx', header=None)  # 不使用任何行作为列名

     

4. names:

   • 说明 : 如果 header=None，可以通过 names 参数指定列名列表，列名的数量取决于 names 列表的长度，从第一列开始逐一命名。

   • 类型 : list

     df = pd.read_excel('data.xlsx', header=None, names=['A', 'B', 'C'])

     

     • names 列表中的每一个值都会被设置为对应列的列名，不会影响 Series 的 name 属性。

     • 如果列数比 names 指定的多余或不足，可能会出现列名缺失或数据丢失的问题。

5. index_col:

   • 说明 : 指定哪一列作为行索引。默认为 None，即不设置索引列。

   • 类型 : int, str, None

     df = pd.read_excel('data.xlsx', index_col=3)  # 使用第 0 列作为行索引

     

6. usecols:

   • 说明 : 指定要读取的列。可以使用列名、列号、或列名的范围（例如 'A:C'指定 Excel 文件中的列字母范围）。可以是字符串、列表或范围。

   • 类型 : str, list, callable

     df = pd.read_excel('data.xlsx', usecols='A:C')  # 读取 A 到 C 列Excel 文件中的列字母范围
     df = pd.read_excel('data.xlsx', usecols=['身份id','数字id']) Series列名字
     df = pd.read_excel('data.xlsx', usecols=[0, 2, 4])  # 读取第 0、2、4 列 列序号

     

7. dtype:

   • 说明: 指定列的数据类型。可以是数据类型的字典，也可以是具体的类型。

   • 类型 : type or dict

     df = pd.read_excel('data.xlsx', dtype={'A': float, 'B': str})  # 指定 A 列为 float 类型，B 列为 str 类型
     

8. skiprows:

   • 说明: 跳过文件开头的行数。可以是整数，也可以是行号的列表。

   • 类型 : int, list

     df = pd.read_excel('data.xlsx', skiprows=2)  # 跳过前两行
     df = pd.read_excel('data.xlsx', skiprows=[1, 3])  # 跳过第 1 和第 3 行

     

9. nrows:

   • 说明: 读取指定数量的行。

   • 类型 : int

     df = pd.read_excel('data.xlsx', nrows=3)  # 只读取前 10 行

     

10. encoding:

    • 说明 : 文件编码。默认为 None。可以指定编码格式，例如 'utf-8' 或 'latin1'。

    • 类型 : str

      df = pd.read_excel('data.xlsx', encoding='utf-8')

11. engine:

    • 说明 : 指定解析引擎。可以是 'openpyxl'（用于 .xlsx）或 'xlrd'（用于 .xls）。如果不指定，pandas 会根据文件格式自动选择引擎。

    • 类型 : str

      df = pd.read_excel('data.xlsx', engine='openpyxl')  # 指定使用 openpyxl 引擎

2）保存excel文件（to_excel()）

excel_writer:

• 说明 : 指定要保存的 Excel 文件名或路径，或者传入 pandas.ExcelWriter 对象。

• 类型 : str, path-like, ExcelWriter

  df.to_excel('output.xlsx')  # 保存为名为 output.xlsx 的文件

sheet_name:

• 说明 : 指定工作表的名称。可以是单个字符串（表示单个工作表），也可以是一个列表（当使用 ExcelWriter 保存多个工作表时）。

• 类型 : str, list

  df.to_excel('output.xlsx', sheet_name='Sheet1')  # 保存到名为 Sheet1 的工作表

na_rep:

• 说明: 用于表示缺失数据（NaN）时的填充值。

• 类型 : str

  df.to_excel('output.xlsx', na_rep='N/A')  # 将 NaN 值表示为 'N/A'

columns:

• 说明 : 指定要保存的列。可以是列名的列表或 None（保存所有列）。

• 类型 : list, None

  df.to_excel('output.xlsx', columns=['col1', 'col2'])  # 只保存 'col1' 和 'col2' 列

header:

• 说明 : 是否写入列名。True 表示写入，False 表示不写入。

• 类型 : bool, list

  df.to_excel('output.xlsx', header=False)  # 不写入列名

index:

• 说明 : 是否写入行索引。True 表示写入索引，False 表示不写入索引。

• 类型 : bool

  df.to_excel('output.xlsx', index=False)  # 不写入行索引

index_label:

• 说明 : 用于指定行索引的标签。如果 index 为 True，可以使用此参数指定索引的名称。

• 类型 : str, list, None

  df.to_excel('output.xlsx', index_label='Index')  # 指定索引列的名称为 'Index'

startrow:

• 说明: 数据写入工作表的起始行，默认值为 0。

• 类型 : int

  df.to_excel('output.xlsx', startrow=2)  # 从第 3 行开始写入数据

startcol:

• 说明: 数据写入工作表的起始列，默认值为 0。

• 类型 : int

  df.to_excel('output.xlsx', startcol=2)  # 从第 3 列开始写入数据

engine:

• 说明 : 指定用于写入 Excel 文件的引擎。常见的引擎包括 openpyxl（默认用于 .xlsx 文件）和 xlsxwriter。

• 类型 : str

  df.to_excel('output.xlsx', engine='xlsxwriter')  # 使用 xlsxwriter 引擎

3. JSON 文件

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，常用于 Web API 返回的数据格式。Pandas 提供了 pd.read_json() 函数来读取 JSON 文件。

# 读取 JSON 文件
df = pd.read_json('data.json')

# 查看前几行数据
print(df.head())

1）读取JSON文件（pandas.read_json()）

1. path_or_buf:

   • 说明: JSON 文件的路径或类文件对象。也可以是 JSON 数据的字符串。

   • 类型 : str, PathLike, file-like object, None

     df = pd.read_json('data.json')  # 从文件读取
     df = pd.read_json('{"name": ["Alice", "Bob"], "age": [25, 30]}')  # 从字符串读取

     

2. orient:

   • 说明 : JSON 数据的格式。指定 JSON 数据的结构，决定如何解析 JSON 文件。常见值包括 'split', 'records', 'index', 'columns', 'values'。

   • 类型 : str

     • :
       JSON 格式为

       { 'index': [...], 'columns': [...], 'data': [...] }

       df = pd.read_json('data.json', orient='split')

     • :
       JSON 格式为记录的列表，例如

       [{ "name": "Alice", "age": 25 }, { "name": "Bob", "age": 30 }]

       df = pd.read_json('data.json', orient='records')

     • :
       JSON 格式为

       { index: { column: value } }

       df = pd.read_json('data.json', orient='index')

     • :
       JSON 格式为

       { column: { index: value } }

       df = pd.read_json('data.json', orient='columns')

     • :
       JSON 格式为二维数组，例如

       [[name1, age1], [name2, age2]]

       df = pd.read_json('data.json', orient='values')

1. 'split'

• 说明 : JSON 数据的格式为 { 'index': [...], 'columns': [...], 'data': [...] }。其中，'index' 是行索引，'columns' 是列名，'data' 是二维数据数组（每个子数组表示 DataFrame 的一行）。

• 适用场景: 当 JSON 数据以这种结构存储时，用于读取具有明确索引和列名的 DataFrame。

  {
    "index": [0, 1],
    "columns": ["name", "age"],
    "data": [
      ["Alice", 25],
      ["Bob", 30]
    ]
  }

  df = pd.read_json('data.json', orient='split')

2. 'records'

• 说明: JSON 数据的格式为一个对象的列表，其中每个对象都是一个记录（即每个 JSON 对象表示 DataFrame 的一行）。适用于结构较简单的记录集合。

• 适用场景: 当 JSON 数据以记录的列表形式存储时，例如从数据库导出的数据。

  [
    { "name": "Alice", "age": 25 },
    { "name": "Bob", "age": 30 }
  ]

  df = pd.read_json('data.json', orient='records')

3. 'index'

• 说明 : JSON 数据的格式为 { index: { column: value } }。其中，index 是行索引，内部的对象表示每行的列值。

• 适用场景: 当 JSON 数据以索引作为键，每个索引的值是一个包含列和值的对象时。

  {
    "0": { "name": "Alice", "age": 25 },
    "1": { "name": "Bob", "age": 30 }
  }

  df = pd.read_json('data.json', orient='index')

4. 'columns'

• 说明 : JSON 数据的格式为 { column: { index: value } }。其中，column 是列名，每列的值是一个包含行索引和值的对象。

• 适用场景: 当 JSON 数据以列名作为键，每个列名的值是一个包含行索引和值的对象时。

  {
    "name": {
      "0": "Alice",
      "1": "Bob"
    },
    "age": {
      "0": 25,
      "1": 30
    }
  }

  df = pd.read_json('data.json', orient='columns')

5. 'values'

• 说明: JSON 数据的格式为二维数组（列表的列表），每个子列表表示 DataFrame 的一行，没有行索引和列名。

• 适用场景: 当 JSON 数据仅包含数据部分，没有明确的行索引和列名时。

  [
    ["Alice", 25],
    ["Bob", 30]
  ]

  df = pd.read_json('data.json', orient='values')

总结

• 'split': 适合有明确索引和列名的数据。
• 'records': 适合记录列表形式的数据。
• 'index': 适合以索引为主的 JSON 数据。
• 'columns': 适合以列为主的 JSON 数据。
• 'values': 适合没有行索引和列名的数据。

选择适当的 orient 参数可以确保 JSON 数据被正确地解析成 DataFrame 格式。

1. typ:

   • 说明 : 读取 JSON 数据的类型。'frame' 表示返回 DataFrame，'series' 表示返回 Series。

   • 类型 : str

     df = pd.read_json('data.json', typ='frame')  # 默认，返回 DataFrame
     

2. dtype:

   • 说明 : 数据类型转换。默认 True，pandas 会根据数据自动推断数据类型。

   • 类型 : bool, dict, None

     df = pd.read_json('data.json', dtype={'age': 'int32'})  # 将 'age' 列的类型强制转换为 int32
     

3. convert_axes:

   • 说明 : 是否转换索引和列为适当的数据类型。默认为 True。

   • 类型 : bool

     df = pd.read_json('data.json', convert_axes=False)  # 不转换索引和列
     

4. convert_dates:

   • 说明 : 是否自动解析日期。默认为 True，即尝试将日期字符串转换为日期类型。

   • 类型 : bool

     df = pd.read_json('data.json', convert_dates=False)  # 不解析日期
     

5. keep_default_dates:

   • 说明 : 是否保留默认的日期格式。默认为 True，保留默认日期格式。

   • 类型 : bool

     df = pd.read_json('data.json', keep_default_dates=False)  # 不保留默认日期格式
     

6. precise_float:

   • 说明 : 是否使用精确的浮点数表示。默认为 False，可以设置为 True 以提高精度。

   • 类型 : bool

     df = pd.read_json('data.json', precise_float=True)  # 使用精确浮点数
     

7. date_unit:

   • 说明 : 用于解析日期的单位，常用的值包括 'D', 's', 'ms' 等。

   • 类型 : str

     df = pd.read_json('data.json', date_unit='s')  # 日期单位为秒
     

8. encoding:

   • 说明 : 文件的编码格式。常用的编码包括 'utf-8' 和 'latin1'。

   • 类型 : str

     df = pd.read_json('data.json', encoding='utf-8')  # 使用 UTF-8 编码
     

9. lines:

   • 说明: 是否按行读取 JSON 文件。用于处理按行存储的 JSON 文件（每行一个 JSON 对象）。

   • 类型 : bool

     df = pd.read_json('data.json', lines=True)  # 按行读取 JSON 文件
     

10. chunksize:

    • 说明: 用于分块读取 JSON 数据的大小。返回一个迭代器，每次返回一个 DataFrame 的块。

    • 类型 : int

      chunks = pd.read_json('data.json', chunksize=1000)  # 每次读取 1000 行数据
      for chunk in chunks:
          process(chunk)  # 处理每个块
      

11. compression:

    • 说明 : JSON 文件的压缩类型。常见值包括 'infer', 'bz2', 'gzip', 'xz'。

    • 类型 : str, None

      df = pd.read_json('data.json.gz', compression='gzip')  # 从压缩文件读取
      

2)保存JSON文件（to_json())

path_or_buf:

• 说明 : JSON 文件的路径或类文件对象。如果指定了路径，数据将保存到该路径的文件中。如果为 None，则返回 JSON 格式的字符串。

• 类型 : str, PathLike, file-like object, None

• 示例

  :

  python复制代码df.to_json('data.json')  # 保存到文件
  json_str = df.to_json()  # 返回 JSON 字符串
  

orient:

• 说明 : JSON 数据的格式。指定保存 JSON 的结构。常见值包括 'split', 'records', 'index', 'columns', 'values'。

• 类型 : str

  • 'split'

    df.to_json('data.json', orient='split')
    

  • 'records'

    df.to_json('data.json', orient='records')
    

  • 'index'

    df.to_json('data.json', orient='index')
    

  • 'columns'

    df.to_json('data.json', orient='columns')
    

  • 'values'

    df.to_json('data.json', orient='values')
    

date_format:

• 说明 : 日期格式。可以是 'epoch'（时间戳格式）或 'iso'（ISO 8601 格式）。默认为 None，即不进行日期格式化。

• 类型 : str, None

  df.to_json('data.json', date_format='iso')  # 使用 ISO 8601 日期格式
  

double_precision:

• 说明 : 双精度浮点数的精度。默认是 10 位小数。

• 类型 : int

  df.to_json('data.json', double_precision=5)  # 设置浮点数精度为 5 位小数
  

default_handler:

• 说明 : 自定义处理未序列化数据类型的函数。默认为 None。

• 类型 : callable

  import numpy as np
  
  def handle_complex(obj):
      if isinstance(obj, np.complex128):
          return str(obj)
      raise TypeError(f"Type {type(obj)} not serializable")
  
  df.to_json('data.json', default_handler=handle_complex)
  

lines:

• 说明: 是否将每个记录保存为一行 JSON 对象。适用于处理按行存储的 JSON 数据。

• 类型 : bool

  df.to_json('data.json', lines=True)  # 按行存储 JSON 对象
  

compression:

• 说明 : 压缩类型。常见值包括 'infer', 'bz2', 'gzip', 'xz'。默认为 'infer'，即自动推断。

• 类型 : str, None

  df.to_json('data.json.gz', compression='gzip')  # 保存为压缩的 JSON 文件
  

encoding:

• 说明 : 文件编码格式。默认为 'utf-8'。

• 类型 : str

  df.to_json('data.json', encoding='utf-8')  # 使用 UTF-8 编码
  

index:

• 说明 : 是否包含 DataFrame 的索引。默认为 True，即包含索引。

• 类型 : bool

  df.to_json('data.json', index=False)  # 不保存索引
  

---

4. SQL 数据库

Pandas 支持从 SQL 数据库中读取数据，这需要使用 pd.read_sql() 函数。首先，需要建立与数据库的连接，常用的库有 sqlite3（用于 SQLite 数据库）或 SQLAlchemy（支持 MySQL、PostgreSQL 等）。

在使用pandas读取sql数据时候首先要安装 SQLAlchemy。还有 mysql-connector-python（MySQL） 或 pymysql（postgreSQL）：

from sqlalchemy import create_engine

# 数据库连接信息
username = 'root'
password = '123'
host = 'localhost'  # 数据库服务器地址
port = '3306'       # MySQL 默认端口
database = 'test_01'

# 创建数据库连接字符串
connection_string = f'mysql+mysqlconnector://{username}:{password}@{host}:{port}/{database}'

# 创建 SQLAlchemy 引擎
engine = create_engine(connection_string)

1)读取SQL（pandas.read_sql())

• sql:

  • 说明: SQL 查询或表名。如果是 SQL 查询，它将执行该查询；如果是表名，它将从指定表中读取数据。

  • 类型 : str

    sql = "SELECT * FROM people"
    # 或
    sql = "people"# 表名
    s = pd.read.sql(sql=sql)

    

  con:

  • 说明: 数据库连接对象。可以是 SQLAlchemy 引擎、数据库连接字符串或数据库连接对象。

  • 类型 : SQLAlchemy engine, sqlite3 connection, str (数据库连接字符串)

    from sqlalchemy import create_engine
    connection_string = f'mysql+mysqlconnector://{username}:{password}@{host}:{port}/{database}'

    

  index_col:

  • 说明: 指定 DataFrame 的索引列。如果设置为列名或列的序号，读取的数据将使用该列作为索引。

  • 类型 : str, int, None

    df = pd.read_sql(sql, con, index_col='name')

    

  coerce_float:

  • 说明 : 将非整数的浮点数据强制转换为浮点类型。默认为 True。

  • 类型 : bool

    df = pd.read_sql(sql, con, coerce_float=False)

  params:

  • 说明 : SQL 查询中的参数。用于防止 SQL 注入攻击。如果 sql 是带参数的 SQL 查询，可以通过该参数传递实际值。

  • 类型 : list, tuple, dict

    sql = "SELECT * FROM people WHERE department = %s"
    df = pd.read_sql(sql, con, params=('HR',))

    

  parse_dates:

  • 说明: 指定需要解析为日期的列。可以是列名的列表或字典。字典形式允许同时指定日期列和解析格式。

  • 类型 : bool, list, dict, None

    df = pd.read_sql(sql, con, parse_dates=['hire_date'])

  chunksize:

  • 说明 : 返回一个生成器，每次生成 chunksize 行数据。这对于处理大型数据集特别有用。

  • 类型 : int, None

    chunks = pd.read_sql(sql, con, chunksize=1000)
    for chunk in chunks:
        # 处理每个数据块

2)保存SQL（to_sql())

name:

• 说明 : 要保存数据的目标表名。如果表名已存在，if_exists 参数决定了如何处理。

• 类型 : str

  s = pd.read_sql(sql, con=engine,params=('张三',))
  s1 = pd.DataFrame({
      'id': [4, 5, 6],
      'name': ['赵六', '钱七', '孙八'],
      'number': [999, 888, 777],
      'digital_id': [234, 567, 678],
      'person_id': [902, 903, 904]
  })
  
  s1.to_sql('people', con=engine, if_exists='append', index=False)

  

con:

• 说明: 数据库连接对象。可以是 SQLAlchemy 引擎、数据库连接字符串或数据库连接对象。

• 类型 : SQLAlchemy engine, sqlite3 connection, str (数据库连接字符串)

  from sqlalchemy import create_engine
  connection_string = f'mysql+mysqlconnector://{username}:{password}@{host}:{port}/{database}'

schema:

• 说明: 它用于指定表所在的数据库模式。数据库模式是一个数据库的逻辑分区，用于组织表、视图、索引等数据库对象。

• 类型 : str, None

  df.to_sql('people', con=engine, schema='public')

if_exists:

• 说明 : 如果目标表已经存在，指定如何处理。可以是 'fail'（默认，报错）、'replace'（删除旧表，创建新表）、'append'（追加到现有表）。

• 类型 : str

  df.to_sql('people', con=engine, if_exists='replace')
  

index:

• 说明 : 是否将 DataFrame 的索引保存为表中的列。默认为 True。

• 类型 : bool

  df.to_sql('people', con=engine, index=False)
  

index_label:

• 说明 : 如果 index=True，可以指定索引列的标签名。

• 类型 : str, list, None

  df.to_sql('people', con=engine, index_label='employee_id')
  

chunksize:

• 说明: 每次写入的行数，用于分块插入数据。适用于大数据集，可以减少内存占用。

• 类型 : int, None

  df.to_sql('people', con=engine, chunksize=1000)
  

dtype:

• 说明: 指定列的数据类型。可以是列名与数据类型的映射字典。

• 类型 : dict, None

  from sqlalchemy.types import Integer, String
  df.to_sql('people', con=engine, dtype={'name': String(50), 'age': Integer})
  

method:

• 说明 : 数据插入的方法。可以是 None（默认），或者是特定的插入方法如 multi（使用 SQLAlchemy 的多值插入）。method='multi' 可以提高插入性能。

• 类型 : str, None

  df.to_sql('people', con=engine, method='multi')

---

总结

Pandas 提供了丰富的数据读取接口，支持常见的文件格式如 CSV、Excel、JSON、SQL，以及压缩文件和其他高效的数据存储格式。在读取数据时，根据不同的数据格式和需求，设置适当的参数能够帮助你更灵活地处理数据。