使用SQLAlchemy查询Pandas DataFrame

是的，你可以通过SQLAlchemy查询Pandas DataFrame，但需要一些中间步骤。Pandas本身不直接支持SQLAlchemy查询，但可以通过以下几种方式实现类似功能：

方法1：将DataFrame转换为SQLite内存数据库

这是最常用的方法，利用SQLite的内存数据库功能：

python

python 复制代码

import pandas as pd
from sqlalchemy import create_engine, text

# 创建示例DataFrame
df = pd.DataFrame({
    'id': [1, 2, 3],
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35]
})

# 创建SQLite内存引擎
engine = create_engine('sqlite:///:memory:')

# 将DataFrame写入SQLite表
df.to_sql('my_table', engine, index=False, if_exists='replace')

# 使用SQLAlchemy执行SQL查询
with engine.connect() as conn:
    result = conn.execute(text("SELECT * FROM my_table WHERE age > 28"))
    for row in result:
        print(row)

方法2：使用Pandas的query()方法（非SQLAlchemy但类似）

如果你只需要简单的查询功能，Pandas内置的query()方法可能更简单：

python

python 复制代码

# 使用Pandas查询
result = df.query("age > 28")
print(result)

方法3：使用DuckDB（现代替代方案）

DuckDB是一个嵌入式分析数据库，与Pandas集成良好：

python

python 复制代码

import duckdb

# 直接查询DataFrame
result = duckdb.sql("SELECT * FROM df WHERE age > 28").df()
print(result)

注意事项

性能考虑：对于大型DataFrame，转换为SQLite可能比直接使用Pandas方法慢
数据类型映射：某些Pandas数据类型可能需要特殊处理才能正确映射到SQL类型
连接管理 ：记得正确关闭数据库连接（使用上下文管理器如with语句）

更复杂的查询示例

复制代码

python

python 复制代码

# 复杂查询示例
with engine.connect() as conn:
    query = text("""
        SELECT name, AVG(age) as avg_age 
        FROM my_table 
        GROUP BY name 
        HAVING AVG(age) > 27
    """)
    result = conn.execute(query)
    for row in result:
        print(f"{row.name}: {row.avg_age}")

虽然Pandas本身不直接支持SQLAlchemy查询，但通过上述方法可以轻松实现类似功能，特别是第一种方法提供了完整的SQL查询能力。