前言：之前都是用pymysql读数据库，操作游标啊啥的，感觉挺不方便的。

下面介绍的读写方法需要先引3个包，pandas ，sqlalchemy ，pymysql ，pip install 引包出现问题的可看我的python基础环境建设篇

1.用pd.read_sql()读取数据

read_sql(sql,con,index_col=‘None’,coerce_float=‘True’,params=‘None’,parse_dates=‘None’,columns=‘None’,chunksize:None=‘None’)

read_sql方法是pandas中用来在数据库中执行指定的SQL语句查询或对指定的整张表进行查询,以DataFrame 的类型返回查询结果.

其中各参数意义如下:

sql:需要执行的sql语句 con：连接数据库所需的engine，用其他数据库连接的包建立,例如SQLalchemy和pymysql
index_col: 选择哪列作为index coerce_float:将数字形字符串转为float
parse_dates:将某列日期型字符串转换为datetime型数据 columns:选择想要保留的列
chunksize：每次输出多少行数据

样例代码：

import pandas as pd
import sqlalchemy

engine = sqlalchemy.create_engine('mysql+pymysql://root:******@192.168.0.***:3306/test')

sql='''
select * from weather_test where
create_time between '2020-09-21' and '2020-09-22'
and city in ('杭州','上海')
'''
df = pd.read_sql(sql,engine)
df

当然啦，引擎用到了pymysql，会调用pymysql的，python库里要有，没有就pip install下。
主要这种读的方式返回的结果是dataframe，方便后续操作数据。

如果sqlalchemy版本是高版本(如2.0.0)，我本地python3.9默认装的2.0.16，需要用下面的写法，而python3.6（1.4.49）用上面的写法就行。

from sqlalchemy import create_engine, text
df = pd.read_sql(text(sql), engine.connect())

2.to_sql()批量写

to_sql()是pandas的一个函数,用来向数据库中批量插入数据,其中包含以下参数

DataFrame.to_sql（name，con，flavour = None，schema = None，
if_exists=‘fail’，index = True，index_label = None，chunksize = None，dtype = None）

需要用的参数有:

name:需要操作的表的名称
con:与数据库的连接器
if_exists:如果数据库中已经存在该表,则执行那些操作(1.fail:抛出错误,中断执行 2. replace 替换掉目前的表 3. append:向目前已存在的表中插入数据) 默认为fail
index:是否将DataFrame的索引列作为一列数据插入到数据库的表中.默认为True
index_label:索引列的列标签,默认为None chunksize:每次插入多少行数据,默认为None,一次性批量写入所有数据
dtype :字典格式,key是字段名称,value是字段对应的数据格式.可以在插入数据时指定每个字段的数据格式.默认为None

需要注意的是:

pandas官网说明了to_sql使用的连接器最好是SQLAlchemy建立的连接器
使用to_sql前,需要保证dataframe的列名和要导入的表的列名相等

样例代码：

import sqlalchemy 
import pandas as pd
conn =sqlalchemy.create_engine('mysql+pymysql://****:******@192.168.0.***:3306/test')
dataframe.to_sql('table_name',con=conn,index=False,if_exists='append')