Pandas lee SQL

Python contiene la biblioteca "Pandas" para analizar y manipular los datos. "SQL" se utiliza para comunicación con la base de datos. También podemos leer el "lenguaje de consulta estructurado" en "Pandas". En SQL, los datos se guardan para uso a largo plazo en forma de tablas. Podemos crear fácilmente las tablas SQL y agregar datos a estas tablas. También podemos leer o acceder a los datos de la base de datos SQL en "Pandas". Aplicaremos diferentes formas de leer los datos SQL en "Pandas" en esta guía. Esta guía tiene que ver con el "Leer SQL" en "Pandas". Utilizaremos los métodos "pandas" para leer la tabla SQL y representaremos los datos de la tabla SQL en forma de marco de datos en "pandas" en esta guía.

Métodos de "pandas" para leer el SQL

Tenemos tres técnicas para leer los datos del SQL en "Pandas."Aquí, cubriremos los tres enfoques en esta guía. Estos métodos son:

• Read_sql () método
• read_sql_query () método
• read_sql_table () método

Ahora, utilizamos estos métodos en "Pandas" para leer los datos de la tabla SQL en esta guía. Los ejemplos también se agregan a continuación donde utilizaremos estos métodos.

Ejemplo 1:

Creamos la base de datos SQL y explicamos los métodos sobre cómo la creamos. Importamos el "SQLite3" aquí para acceder a los módulos del "SQLITE3". Luego, creamos la variable "my_conn" y la conectamos a la base de datos utilizando "Connect ()". El nombre de la base de datos que creamos es "Writers_Database". Colocamos el "SQLite3" con "Connect ()", ya que es el método del "SQLite3" al que accedimos aquí.

Después de esto, colocamos el método "cursor ()" con el nombre de la variable que creamos y lo guardamos en la variable "my_c". Después de esto, creamos la tabla de "escritores" donde el "Writer_ID" se establece como la "clave principal" y es el tipo de datos de Integers. Luego, agregamos el "Writer_Name y Writer_Type". Ambos son el tipo de datos de "texto". También agregamos el "Working_days y Pay" del tipo de datos "entero". Después de esto, insertamos los datos en la columna de la tabla "escritores".

Agregamos los nombres de las columnas que creamos anteriormente. Luego, colocamos los "valores" donde ingresamos los valores. Ingresamos "1, Stephen, escritor técnico, 4, 80000", que es el primer registro de esta tabla de "escritores". Luego, agregamos "2, Peter, escritor académico, 5, 70000" como el segundo registro de la tabla SQL. También agregamos "3, William, escritor de blogs, 6, 30000" y "4, David, escritor técnico, 6, 450000" como el tercer y cuarto registros. Luego, también agregamos "5, Charlie, escritor de artículos, 5, 150000" como el quinto disco. Después de esto, usamos el "Commit ()". Ahora, se crea la base de datos de "escritores". Utilizamos los métodos de "pandas" para leer estos datos SQL.

Importamos el "SQLite3" en este nuevo archivo para acceder a sus módulos y funciones en este código. También importamos los módulos "pandas" aquí. Ahora, podemos utilizar fácilmente los métodos o funciones de "SQLite3" y "Pandas". Agregamos la variable "my_conn" e inicializamos esta "my_conn" con el método "SQLite3" que es "Connect ()". Lo conectamos a la "Writers_Database" que creamos anteriormente. Después de esto, usamos el "PD.Read_sql () "Método para leer los datos del archivo SQL. Colocamos "PD", ya que es el método de los "Pandas". Agregamos la consulta que es el "Seleccionar * de los escritores" que selecciona todos los datos de la tabla "Escritores" y almacena los datos del SQL en la variable "SQL_Query".

También colocamos la variable "my_conn" en esta función que ayuda a conectarse con la base de datos "escritores". Luego, convertimos los datos en el siguiente marco de datos utilizando el "PD.Método DataFrame () ". Pasamos la variable "SQL_Query" donde se almacenan los datos del SQL. También insertamos los nombres de la columna. Agregamos los mismos nombres de columna que hemos escrito en la base de datos SQL.

Luego, usamos el "print ()" y pasamos el "SQL_DF" para que los datos de SQL se impriman en forma de DataFrame cuando ejecutamos este programa.

Presione el icono "Ejecutar" y obtenga el resultado del código. Todos los datos de la base de datos de "escritores" se muestran aquí como DataFrame.

Ejemplo 2:

En este ejemplo, leemos los datos del SQL utilizando el "PD.read_sql_query () "método. Agregamos la misma consulta que agregamos anteriormente para obtener todos los datos del SQL. Cambiamos el método en este código para leer los datos del SQL. También cambiamos los datos del SQL en el marco de datos con la ayuda del método "pandas" y luego los imprimimos aquí.

Puede notar la misma salida aquí. El resultado que obtenemos después de aplicar ambos métodos da el mismo resultado aquí.

Ejemplo 3:

Ahora, aplicamos el método "Read_sql_table ()". No necesitamos agregar la consulta en este método. Simplemente colocamos el método "read_sql ()". En este método, simplemente agregamos el nombre de la tabla SQL para extraer los datos del SQL. Luego, convertimos estos datos SQL en el marco de datos utilizando "PD.DataFrame "y agregue el" SQL_Query "como su primer parámetro. Además, agregamos los nombres de las columnas en "Nombres". Luego, representamos el marco de datos que se almacena en la variable "datos" agregando esta variable en "print ()" en lo siguiente:

Cuando se ejecuta este código, la salida idéntica es visible. Aquí, el resultado del uso de los tres enfoques produce el mismo resultado. Aquí, obtenemos todo el marco de datos mientras lo accedimos en los códigos anteriores.

Ejemplo 4:

También podemos aplicar algunas condiciones al acceder a los datos del SQL. Mostraremos cómo obtenemos los datos deseados del SQL e imprimimos. Aquí, no estamos representando todos los datos de la tabla SQL. Usamos el método "read_sql_query ()" aquí donde colocamos el "Seleccionar * de los escritores" y agregamos una condición que es "Pay = 70000". Solo accederá a esas columnas donde el pago de los escritores es "70000" y no obtiene toda la tabla SQL. Esto accede a esas filas donde agregamos "70000" en la columna "Pagar" de la tabla SQL. También convertimos esas filas en DataFrame y las representamos en la salida.

Solo obtenemos una fila aquí porque solo una fila de DataFrame contiene "70000" en la columna "Pague". Solo accede a esa fila y lo muestra en la terminal. No mostró toda la tabla SQL ya que agregamos la condición en la consulta del SQL.

Conclusión

Aprendimos sobre la tabla SQL en "Pandas" en esta guía. Discutimos cómo crear la tabla de base de datos SQL y cómo leer esa tabla SQL en "Pandas". Explicamos que los "pandas" tienen tres métodos que nos ayudan a leer la tabla SQL. Exploramos todos los enfoques que ayudan a leer el SQL en "Pandas". Ilustramos los códigos en los que leemos el SQL en "Pandas". También mostramos los resultados de esos códigos. Explicamos cómo obtenemos los datos seleccionados de la tabla SQL. Renderizamos los datos SQL en forma de marco de datos "pandas" en esta guía y lo explicamos en detalle.