Pandas leu SQL

O Python contém a biblioteca "pandas" para analisar e manipular os dados. "SQL" é utilizado para comunicação com o banco de dados. Também podemos ler a “linguagem de consulta estruturada” em “pandas”. No SQL, os dados são salvos para uso a longo prazo na forma de tabelas. Podemos criar facilmente as tabelas SQL e adicionar dados a essas tabelas. Também podemos ler ou acessar os dados do banco de dados SQL em "pandas". Aplicaremos maneiras diferentes de ler os dados do SQL em "Pandas" neste guia. Este guia é tudo sobre o "Leia SQL" em "Pandas". Usaremos os métodos "pandas" para ler a tabela SQL e representar os dados da tabela SQL na forma de dataframe em "pandas" neste guia.

Métodos "pandas" para ler o SQL

Temos três técnicas para ler os dados do SQL em “Pandas.”Aqui, abordaremos todas as três abordagens neste guia. Esses métodos são:

• Método read_sql ()
• Método read_sql_query ()
• Método read_sql_table ()

Agora, usamos esses métodos em "pandas" para ler os dados da tabela SQL neste guia. Os exemplos também são adicionados no seguinte onde usaremos esses métodos.

Exemplo 1:

Criamos o banco de dados SQL e explicamos os métodos de como criamos. Nós importamos o "sqlite3" aqui para acessar os módulos do "sqlite3". Em seguida, criamos a variável "My_Conn" e a conectamos ao banco de dados usando "Connect ()". O nome do banco de dados que criamos é "Writers_Database". Colocamos o "SQLITE3" com o "Connect ()", pois é o método do "sqlite3" que acessamos aqui.

Depois disso, colocamos o método "cursor ()" com o nome da variável que criamos e salvamos na variável "my_c". Depois disso, criamos a tabela "Writers", onde o "writer_id" é definido como a "chave primária" e é o tipo de dados inteiros. Em seguida, adicionamos o "Writer_Name e Writer_type". Ambos são o tipo de dados do "texto". Também adicionamos o tipo de dados "Working_Days e Pay" do tipo de dados "inteiro". Depois disso, inserimos os dados na coluna da tabela de "escritores".

Adicionamos os nomes das colunas que criamos anteriormente. Então, colocamos os "valores" onde entramos nos valores. Entramos “1, Stephen, escritor técnico, 4, 80000”, que é o primeiro registro desta tabela de “escritores”. Em seguida, adicionamos “2, Peter, escritor acadêmico, 5, 70000” como o segundo recorde da tabela SQL. Também adicionamos “3, William, escritor de blogs, 6, 30000” e “4, David, escritor técnico, 6, 450000” como o terceiro e o quarto registros. Em seguida, também adicionamos “5, Charlie, escritor de artigos, 5, 150000” como o quinto recorde. Depois disso, usamos o "Commit ()". Agora, o banco de dados "escritores" é criado. Utilizamos os métodos "pandas" para ler esses dados SQL.

Nós importamos o "sqlite3" neste novo arquivo para acessar seus módulos e funções neste código. Também importamos os módulos "pandas" aqui. Agora, podemos utilizar facilmente os métodos ou funções de "sqlite3" e "pandas". Adicionamos a variável "my_conn" e inicializamos este "my_conn" com o método "sqlite3" que é "connect ()". Nós o conectamos ao "Writers_Database" que criamos anteriormente. Depois disso, usamos o “PD.Método read_sql () ”para ler os dados do arquivo SQL. Colocamos "PD", pois é o método dos "pandas". Adicionamos a consulta nela, que é a “Selecionar * From Writers”, que seleciona todos os dados da tabela “escritores” e armazena os dados do SQL na variável “SQL_QUERY”.

Também colocamos a variável "My_Conn" nesta função, que ajuda a conectar -se com o banco de dados "escritores". Em seguida, convertemos os dados no seguinte DataFrame usando o “PD.DataFrame () ”Método. Passamos a variável "SQL_QUERY", onde os dados do SQL são armazenados. Também inserimos os nomes das colunas. Adicionamos os mesmos nomes de colunas que escrevemos no banco de dados SQL.

Em seguida, usamos o "print ()" e passamos o "SQL_DF" para que os dados do SQL sejam impressos na forma do DataFrame quando executamos este programa.

Pressione o ícone "Run" e obtenha o resultado do código. Todos os dados do banco de dados "Writers" são exibidos aqui como o DataFrame.

Exemplo 2:

Neste exemplo, lemos os dados do SQL usando o “PD.read_sql_query () ”método. Adicionamos a mesma consulta que adicionamos anteriormente para obter todos os dados do SQL. Mudamos o método neste código para ler os dados do SQL. Também alteramos os dados do SQL no DataFrame com a ajuda do método "Pandas" e depois o imprimimos aqui.

Você pode observar a mesma saída aqui. O resultado que obtemos depois de aplicar os dois métodos fornece o mesmo resultado aqui.

Exemplo 3:

Agora, aplicamos o método "read_sql_table ()". Não precisamos adicionar a consulta neste método. Acabamos de colocar o método "read_sql ()". Neste método, simplesmente adicionamos o nome da tabela SQL para extrair os dados do SQL. Em seguida, convertemos esses dados SQL no DataFrame usando “PD.DataFrame ”e adicione o“ SQL_QUERY ”como seu primeiro parâmetro. Além disso, adicionamos os nomes das colunas em "nomes". Em seguida, renderizamos o quadro de dados que é armazenado na variável "dados" adicionando essa variável em "print ()" no seguinte:

Quando este código é executado, a saída idêntica é visível. Aqui, o resultado de usar todas as três abordagens produz o mesmo resultado. Aqui, obtemos todo o quadro de dados enquanto o acessamos nos códigos anteriores.

Exemplo 4:

Também podemos aplicar algumas condições enquanto acessamos os dados do SQL. Mostraremos como obtemos os dados desejados do SQL e os imprimimos. Aqui, não estamos renderizando todos os dados da tabela SQL. Usamos o método "read_sql_query ()" aqui, onde colocamos o "Selecione * dos escritores" e adicionamos uma condição que é "Pay = 70000". Ele apenas acessará as colunas em que o pagamento dos escritores é "70000" e não obtém toda a tabela SQL. Isso acessa aquelas linhas onde adicionamos "70000" na coluna "Pay" da tabela SQL. Também convertemos essas linhas no quadro de dados e as renderizamos na saída.

Temos apenas uma linha aqui porque apenas uma linha do DataFrame contém "70000" na coluna "Pay". Ele acessa apenas essa linha e a exibe no terminal. Não exibiu toda a tabela SQL, pois adicionamos a condição na consulta do SQL.

Conclusão

Aprendemos sobre a tabela SQL em "pandas" neste guia. Discutimos como criar a tabela de banco de dados SQL e como ler essa tabela SQL em “Pandas”. Explicamos que os "pandas" têm três métodos que nos ajudam a ler a tabela SQL. Exploramos todas as abordagens que ajudam a ler o SQL em "Pandas". Ilustramos os códigos em que lemos o SQL em "Pandas". Também mostramos os resultados desses códigos. Explicamos como obtemos os dados selecionados da tabela SQL. Renderizamos os dados do SQL na forma de dados de dados de “pandas” neste guia e explicamos em detalhes.