简单使用 ：pandas 数据清洗

import pymysql
import pandas as pd

self.conn = pymysql.connect(host=host, user=user,
password=pass, db=db, charset='utf8')

sql = 'select * from table_name'
df = pd.read_sql(sql, con=self.conn)

df['product_name'].str.strip() 
# 删除列 `product_name` 为 `NaN` 的行 
df.dropna(subset=['product_name'], inplace=True)

df.replace(' ', np.nan, inplace=True)

df.to_sql(name=table_name, con=self.conn, if_exists='append', index=True)

#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', None)
#设置 value 的显示长度为 100，默认为 50
pd.set_option('max_colwidth',100)

pandas.io.sql.DatabaseError: Execution failed on sql 'SELECT name FROM sqlite_master WHERE type='table' AND name=?;': not all arguments converted during string formatting

from sqlalchemy import create_engine

engine = create_engine("mysql+pymysql://user:pass@host:port/db")

# 替换\r\n\t 以及 html 中的\xa0
df.replace(r'\r|\t|\n|\xa0', '', regex=True, inplace=True)
# 替换空格，将空格替换为空字符串
df['product_name'].replace(r' ', '', regex=True, inplace=True)
# 将空字符串替换为 nan
df['product_name'].replace(r'', np.nan, regex=True, inplace=True)
# 将乱码替换替换为空字符串（正则为匹配不是中文、字母、数字组成的字符串）
df['product_name'].replace(r'[^\u4e00-\u9fa5_a-zA-Z0-9]', np.nan, regex=True, inplace=True)