file

python在制作一些小工具上本身就有着得天独厚的优势,大多数非标准库的应用只需要进行简单的安装即可使用。

比如:使用python将excel中的数据导入到mysql数据库表中,或是将mysql数据库表中的数据直接导出为excel都只需要简单的几行代码就可以完成,假如使用Java来做这件事强那可就有些复杂了呢。

话不多说,接下来直接进入正题…

这里使用两个python的非标准库来操作,一个是我们比较熟悉的pandas非标准库,使用它来完成excel相关的数据操作。

另外一个则是sqlalchemy非标准库,使用它来完成对mysql数据库表的相关数据操作。

使用pip的方式将这两个非标准库安装好,下面是安装命令:

pip install sqlalchemy

pip install pandas

准备好以后,先来编写一个函数mysql_to_excel将数据从mysql数据库表中导出到excel的数据操作。

from sqlalchemy import create_engine

import pandas as pd

def mysql_to_excel():
    '''
    将mysql数据导出到excel数据表中
    :return:
    '''
    # 使用create_engine函数创建数据库连接,其中数据库的用户名和密码分别是root/root,数据库名称为test
    engine = create_engine('mysql+pymysql://root:root@localhost/test')
    # 使用sql语句读取data表中的所有数据
    data_frame = pd.read_sql(sql='select * from test.data', con=engine)
    # 将sql查询出来的数据导出到excel数据表中
    data_frame.to_excel('data.xlsx')

可以发现,pandas非标准库提供了read_sql函数来读取数据,并且返回的数据类型是DataFrame数据类型。最后,将DataFrame的数据直接保存到excel中,主逻辑的实现只用了三行代码就完成了,这就是python的魅力。

随后,再来编写一下函数excel_to_mysql将数据从excel中直接导出到数据库表中,为了保证下面函数的独立性,于是我把用到的库又导入了一遍。

from sqlalchemy import create_engine

import pandas as pd

def excel_to_mysql():
    # 使用create_engine函数创建数据库连接,其中数据库的用户名和密码分别是root/root,数据库名称为test
    engine = create_engine('mysql+pymysql://root:211314@localhost/test')
    # 使用pandas非标准库提供的read_excel函数将data.xlsx文件中的数据全部读取出来
    data_frame = pd.read_excel('data.xlsx')
    # 将DataFrame格式的数据通过to_sql函数保存到数据库中,这个时候它会自动创建一个数据库表,也就是data表
    data_frame.to_sql(name='data', con=engine, index=False, if_exists='replace')

在导入数据库表的时候是DataFrame数据对象直接提供了to_sql函数进行数据的插入操作,连sql语句都不用写。这个DataFrame对象的操作还真是强大呢,它是excel数据分析、数据提取中永远的神。

最后,感谢大家的阅读,我会不断学习努力更新出更好的干货~

作者:|OverWrite_235|,原文链接: http://www.imooc.com/article/325493

文章推荐

协程概述讲解

Flutter三棵树系列之详解各种Key

谈一谈Python中的装饰器

.Net Core工作流WorkFlowCore

Ubuntu2204部署容器引擎Containerd

LRU缓存替换策略及C#实现

Next.js 实践:从 SSR 到 CSR 的优雅降级

Yolov5——训练目标检测模型

vue为什么v-for的优先级比v-if的高?

吐血整理python数据分析利器pandas的八个生命周期!

SpringCloud Alibaba Sentinel 限流详解

golang泛型实现--双hash表