在Python中，可以连接数据库，使用Pandas的 read_sql() 函数读取数据表、用to_sql来写入数据，文章是它门的用法和常用参数的说明，文中所用数据均来源与网络。

一、读取数据

1.基础用法

在使用Pandas读取数据之前首先要做的就是连接数据库（如果小伙伴不知道如何连接数据库，可以参考博主python连接mysql的文章），连接好数据库后，利用Pandas的read_sql()函数执行SQL，读取数据。
示例代码：

import pymysql #导入库
# 连接mysql
conn = pymysql.connect(
		host='127.0.0.1',   # 数据库主机名  
		port=3306,# 数据库端口，如果是3306就填写3306  
		user='root',   # 数据库用户名  
		passwd='mysql',  # 数据库密码  
		db='ysm', # 需要连接的数据库名称  
		charset='utf8') # 数据库编码
sql_1 = "select * from ret limit 10"
#利用pandas直接获取数据，输出的数据为dataframe
data = pd.read_sql(sql_1, conn)
print(data)
#最后记得关闭连接
conn.close()

输出结果：

2、常用参数

（1）sql： SQL命令字符串
（2）con： 连接sql数据库的engine，一般可以用SQLalchemy或者pymysql之类的包建立
（3）index_col： 选择某1列或几列作为index（或MultiIndex），字符串或字符串列表
（4）coerce_float： 非常有用，将数字形式的字符串直接以float型读入
（5）parse_dates： 将某一列日期型字符串转换为datetime型数据，与pd.to_datetime函数功能类似。可以直接提供需要转换的列名以默认的日期形式转换，也可以用字典的格式提供列名和转换的日期格式：
比如{column_name: format string}（format string：“%Y:%m:%H:%M:%S”）。
（6）columns： 要选取的列。一般没啥用，因为在sql命令里面一般就指定要选择的列了
（7）chunksize： 如果提供了一个整数值，那么就会返回一个generator，每次输出的行数就是提供的值的大小。

二、写入数据

1、基础用法
to_sql()，将DataFrame数据写数据库中，to_sql()函数使用时，不能通过pymysql库连接数据库，要使用 sqlalchemy 库，没安装的话使用 pip install sqlalchemy 安装。直接使用pymysql链接，会报如下错误：

DatabaseError: Execution failed on sql: SELECT name FROM sqlite_master WHERE type=‘table’ AND name=?; not all arguments converted during string formatting unable to rollback

示例代码：

from sqlalchemy import create_engine
engine = create_engine("mysql+pymysql://root:mysql@127.0.0.1:3306/ysm")
data.to_sql(name='new', con=engine )  #此处data数据为read_sql读取 test_pandas 数据

输出结果：

注意：直接导出dataframe数据到数据表时，默认会将index索引列一起导入到表中，不需要可以通过index参数设置调整。

2、常用参数

（1）name： SQL表的名称
（2）con： 连接数据库，一般用sqlalchemy库连接
（3）if_exists： {‘fail’，‘replace’，‘append’}，默认’fail’，fail：引发ValueError；replace：在插入新值之前删除表；append：将新值插入现有表。
（4）index： 布尔值，默认为True，将DataFrame索引写为列，使用index_label作为表中的列名。
（5）index_label： 字符串或序列，默认为None，索引列的列标签。如果给出None（默认）且 index为True，则使用索引名称。如果DataFrame使用MultiIndex，则应该给出一个序列。
（6）chunksize： int，可选，行将一次批量写入此大小。默认情况下，所有行都将立即写入。
（7）dtype： dict，可选，指定列的数据类型。