数据库->Excel

我们首先看一下数据库里面有一个 department这个部门表。这个表里有六条数据，分别代表不同的部门。

接下来看一下这个Python代码，首先导入需要用到的库SQLAlchemy，这是Python中最有名的ORM工具。

全称Object Relational Mapping（对象关系映射）。

为什么要使用SQLAlchemy？

它可以将你的代码从底层数据库及其相关的SQL特性中抽象出来。

特点是操纵Python对象而不是SQL查询，也就是在代码层面考虑的是对象，而不是SQL，体现的是一种程序化思维，这样使得Python程序更加简洁易读。

具体使用方法如下：

from sqlalchemy import create_engine
import pandas as pd

创建数据库连接

engine = create_engine(‘mysql+pymysql://root:211314@localhost/hong’)

读取mysql数据

db = pd.read_sql(sql=‘select * from hong.department’, con=engine)

导出数据到excel

db.to_excel(‘部门数据.xlsx’)

第一行代码就是首先创建数据库的连接。

我的mysql用户名是root，密码是211314，

因为这里我启动是启动的是本地的数据库服务，所以是localhost。

斜杠后面跟的是这个数据库的名称hong

第二行代码就是使用pandas的read_sql()查询mysql表department中的数据

第二行代码就是将查询出来的数据通过pandas的to_excel()写到本地

执行结果成功写入本地excel文件

Excel->数据库

接下来我们再看看如何将本地的xlsx数据写入到mysql文件中。

from sqlalchemy import create_engine
import pandas as pd

创建数据库连接

engine = create_engine(‘mysql+pymysql://root:211314@localhost/hong’)

读取xlsx文件

df = pd.read_excel(‘模拟数据.xlsx’)

导入到mysql数据库

df.to_sql(name=‘test_data’, con=engine, index=False, if_exists=‘replace’)

同样第一行代码就是首先创建数据库的连接

第二行代码使用pandas的read_excel()读取本地文件。如下:

这是我用python的faker模拟出来的一百条数据

第三步使用pandas的to_sql()方法将读取到的数据写入到mysql中

代码执行完成后返回mysql中我的hong数据库发现多出了一个test_data的表。

打开看一下。那这个数据就跟本地的数据是一样的。

所以。这里我们用到三行代码从数据库向excel导入数据，又用了三行代码从excel向数据库导入数据。

相关资料获取点击[这里是图片005]https://docs.qq.com/doc/DU2t3eVlTdE9TekRJ

总结一下：

双向数据导入，都是3行代码即可实现。

从数据库向excel导入数据：

1、用sqlalchemy创建数据库连接

2、用pandas的read_sql读取数据库的数据

3、用pandas的to_csv把数据存入csv文件

从excel向数据库导入数据：

1、用sqlalchemy创建数据库连接

2、用pandas的read_csv读取csv的数据

3、用pandas的to_sql把数据存入数据库a