使用SQLAlchemy将Pandas DataFrames导出到SQLite

py3study

发布于 2020-12-17 10:24:39

4.7K0

发布于 2020-12-17 10:24:39

文章被收录于专栏：python3python3

一、概述

在进行探索性数据分析时（例如，在使用pandas检查COVID-19数据时），通常会将CSV，XML或JSON等文件加载到 pandas DataFrame中。然后，您可能需要对DataFrame中的数据进行一些处理，并希望将其存储在关系数据库等更持久的位置。

本教程介绍了如何从CSV文件加载pandas DataFrame，如何从完整数据集中提取一些数据，然后使用SQLAlchemy将数据子集保存到SQLite数据库。

二、配置开发环境

确保已安装Python 3。截至目前， Python 3.8.2是Python的最新版本。

在本教程中，我们还将使用：

pandas（项目主页和源代码），本教程中的版本1.1.5
SQLAlchemy （项目主页和源代码），本教程的1.3.20
SQLite（项目首页和源代码），Python 包含一个连接器，作为Python标准库的一部分

使用以下命令将上述代码库安装到新的 Python虚拟环境中：

pip3 install pandas sqlalchemy

现在，我们的开发环境已准备好下载示例COVID-19数据集，将其加载到pandas DataFrame中，对其进行一些分析，然后保存到SQLite数据库中。

三、获取COVID-19数据

在您的网络浏览器中，下载关于当今全球COVID-19病例地理分布页面的数据下载。它看起来应类似于以下屏幕截图。

应该有一个以CSV格式下载数据的链接，但是该组织在过去几周内多次更改了页面布局，这使得很难找到Excel（XLSX）以外的格式。如果您在获取CSV版本时遇到问题，只需从GitHub下载此版本即可，该版本与2020年12月10日下载的副本挂钩。

四、将CSV导入pandas

原始数据位于CSV文件中，我们需要通过pandas DataFrame将其加载到内存中。

REPL准备执行代码，但是我们首先需要导入pandas库，以便可以使用它。

from pandas import read_csv

df = read_csv("data.csv", encoding="ISO-8859-1")

现在将数据加载到df作为pandas DataFrame 类实例的变量中。

count在此DataFrame上运行该函数时，我们会发现它具有61048行。

from pandas import read_csv

df = read_csv("data.csv", encoding="ISO-8859-1")
print(df.count())

执行输出：

dateRep                                                       61048
day                                                           61048
month                                                         61048
year                                                          61048
cases                                                         61048
deaths                                                        61048
countriesAndTerritories                                       61048
geoId                                                         60777
countryterritoryCode                                          60929
popData2019                                                   60929
continentExp                                                  61048
Cumulative_number_for_14_days_of_COVID-19_cases_per_100000    58173
dtype: int64

接下来，我们将采用这组61048行数据，并仅切出与美国有关的行。

从原始数据帧创建新的数据帧

我们可以使用pandas函数将单个国家/地区的所有数据行匹配countriesAndTerritories到与所选国家/地区匹配的列。

from pandas import read_csv

df = read_csv("data.csv", encoding="ISO-8859-1")
# print(df.count())

save_df = df[df['countriesAndTerritories']=="United_States_of_America"]
print(save_df)

该save_df变量包含数据的较小的子集。您可以通过自己打印来找出其中的内容：

您应该看到类似以下输出的内容：

dateRep  ...  Cumulative_number_for_14_days_of_COVID-19_cases_per_100000
58197  10/12/2020  ...                                         794.356027         
58198  09/12/2020  ...                                         784.195114         
58199  08/12/2020  ...                                         769.896719         
58200  07/12/2020  ...                                         762.794473         
58201  06/12/2020  ...                                         757.944062         
...           ...  ...                                                ...         
58538  04/01/2020  ...                                                NaN         
58539  03/01/2020  ...                                                NaN         
58540  02/01/2020  ...                                                NaN         
58541  01/01/2020  ...                                                NaN         
58542  31/12/2019  ...                                                NaN         

[346 rows x 12 columns]

原始61048行中有346行数据。让我们继续将此子集保存到SQLite关系数据库中。

将DataFrame保存到SQLite

我们将使用SQLAlchemy创建与新SQLite数据库的连接，在此示例中，该数据库将存储在名为的文件中save_pandas.db。当然，您可以使用所需的任何名称在任何位置保存文件，而不仅是在执行Python REPL的目录中保存。

首先create_engine从sqlalchemy 库中导入函数。

使用导入的create_engine函数创建连接，然后connect在其上调用方法。

from pandas import read_csv

df = read_csv("data.csv", encoding="ISO-8859-1")
# print(df.count())

save_df = df[df['countriesAndTerritories']=="United_States_of_America"]
# print(save_df)

from sqlalchemy import create_engine
engine = create_engine('sqlite:///save_pandas.db', echo=True)
sqlite_connection = engine.connect()

我们设置echo=True为查看来自数据库连接的所有输出。连接成功后，您将看到类似于以下的输出：

2020-12-11 16:30:21,542 INFO sqlalchemy.engine.base.Engine SELECT CAST('test plain returns' AS VARCHAR(60)) AS anon_1
2020-12-11 16:30:21,543 INFO sqlalchemy.engine.base.Engine ()
2020-12-11 16:30:21,544 INFO sqlalchemy.engine.base.Engine SELECT CAST('test unicode returns' AS VARCHAR(60)) AS anon_1
2020-12-11 16:30:21,545 INFO sqlalchemy.engine.base.Engine ()

使用您要创建的表名的字符串设置变量名。然后to_sql 在save_df对象上调用该方法时使用该变量，这是我们的pandas DataFrame，它是原始数据集的子集，从原始7320中筛选出89行。

请注意，在这种情况下，如果表已经存在于数据库中，我们将失败。您可以在该程序的更强大的版本中更改if_exists为replace 或append添加自己的异常处理。查看 pandas.DataFrame.to_sql 文档，以获取有关您的选项的详细信息。

# ！/usr/bin/python3
# -*- coding: utf-8 -*-
from pandas import read_csv

df = read_csv("data.csv", encoding="ISO-8859-1")
# print(df.count())

save_df = df[df['countriesAndTerritories']=="United_States_of_America"]
# print(save_df)

from sqlalchemy import create_engine
engine = create_engine('sqlite:///save_pandas.db', echo=True)
sqlite_connection = engine.connect()

sqlite_table = "Covid19"
save_df.to_sql(sqlite_table, sqlite_connection, if_exists='fail')
sqlite_connection.close()

执行输出：

2020-12-11 16:31:11,484 INFO sqlalchemy.engine.base.Engine SELECT CAST('test plain returns' AS VARCHAR(60)) AS anon_1
2020-12-11 16:31:11,484 INFO sqlalchemy.engine.base.Engine ()
2020-12-11 16:31:11,485 INFO sqlalchemy.engine.base.Engine SELECT CAST('test unicode returns' AS VARCHAR(60)) AS anon_1
2020-12-11 16:31:11,485 INFO sqlalchemy.engine.base.Engine ()
2020-12-11 16:31:11,489 INFO sqlalchemy.engine.base.Engine PRAGMA main.table_info("Covid19")
2020-12-11 16:31:11,489 INFO sqlalchemy.engine.base.Engine ()
2020-12-11 16:31:11,490 INFO sqlalchemy.engine.base.Engine PRAGMA temp.table_info("Covid19")
2020-12-11 16:31:11,490 INFO sqlalchemy.engine.base.Engine ()
2020-12-11 16:31:11,492 INFO sqlalchemy.engine.base.Engine 
CREATE TABLE "Covid19" (
    "index" BIGINT, 
    "dateRep" TEXT, 
    day BIGINT, 
    month BIGINT, 
    year BIGINT, 
    cases BIGINT, 
    deaths BIGINT, 
    "countriesAndTerritories" TEXT, 
    "geoId" TEXT, 
    "countryterritoryCode" TEXT, 
    "popData2019" FLOAT, 
    "continentExp" TEXT, 
    "Cumulative_number_for_14_days_of_COVID-19_cases_per_100000" FLOAT
)


2020-12-11 16:31:11,492 INFO sqlalchemy.engine.base.Engine ()
2020-12-11 16:31:11,506 INFO sqlalchemy.engine.base.Engine COMMIT
2020-12-11 16:31:11,507 INFO sqlalchemy.engine.base.Engine CREATE INDEX "ix_Covid19_index" ON "Covid19" ("index")
2020-12-11 16:31:11,507 INFO sqlalchemy.engine.base.Engine ()
2020-12-11 16:31:11,516 INFO sqlalchemy.engine.base.Engine COMMIT
2020-12-11 16:31:11,519 INFO sqlalchemy.engine.base.Engine BEGIN (implicit)
2020-12-11 16:31:11,524 INFO sqlalchemy.engine.base.Engine INSERT INTO "Covid19" ("index", "dateRep", day, month, year, cases, deaths, "countriesAndTerritories", "geoId", "countryterritoryCode", "popData2019", "continentExp", "Cumulative_number_for_14_days_of_COVID-19_cases_per_100000") VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
2020-12-11 16:31:11,525 INFO sqlalchemy.engine.base.Engine ((58197, '10/12/2020', 10, 12, 2020, 220025, 3124, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', 794.35602672), (58198, '09/12/2020', 9, 12, 2020, 217344, 2564, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', 784.1951137), (58199, '08/12/2020', 8, 12, 2020, 197334, 1433, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', 769.89671919), (58200, '07/12/2020', 7, 12, 2020, 173432, 1111, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', 762.79447316), (58201, '06/12/2020', 6, 12, 2020, 211933, 2203, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', 757.94406245), (58202, '05/12/2020', 5, 12, 2020, 231930, 2680, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', 746.87056354), (58203, '04/12/2020', 4, 12, 2020, 214747, 2481, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', 735.98730065), (58204, '03/12/2020', 3, 12, 2020, 203311, 3190, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', 727.86519506)  ... displaying 10 of 346 total bound parameter sets ...  (58541, '01/01/2020', 1, 1, 2020, 0, 0, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', None), (58542, '31/12/2019', 31, 12, 2019, 0, 0, 'United_States_of_America', 'US', 'USA', 329064917.0, 'America', None))
2020-12-11 16:31:11,527 INFO sqlalchemy.engine.base.Engine COMMIT
2020-12-11 16:31:11,535 INFO sqlalchemy.engine.base.Engine SELECT name FROM sqlite_master WHERE type='table' ORDER BY name
2020-12-11 16:31:11,535 INFO sqlalchemy.engine.base.Engine ()

我们可以通过sqlite3命令行查看器查看数据，以确保将其正确保存到SQLite文件中。

通过Navicat软件，打开save_pandas.db文件名的命令来访问数据库。然后，使用标准的SQL查询从Covid19表中获取所有记录。