DataFrame与SQL的数据导入导出方式

在Python中，pandas库提供了DataFrame对象，用于处理和操作数据

1. 从CSV文件导入数据到DataFrame：

import pandas as pd  data = pd.read_csv('file_path.csv') 

2. 从Excel文件导入数据到DataFrame：

import pandas as pd  data = pd.read_excel('file_path.xlsx', sheet_name='sheet_name') 

3. 从SQL查询导入数据到DataFrame：

import pandas as pd import sqlite3  # 创建一个SQLite连接 conn = sqlite3.connect('database_name.db')  # 执行SQL查询并将结果存储在DataFrame中 data = pd.read_sql_query('SELECT * FROM table_name', conn)  # 关闭数据库连接 conn.close() 

4. 从JSON文件导入数据到DataFrame：

import pandas as pd  data = pd.read_json('file_path.json') 

5. 从HTML文件导入数据到DataFrame：

import pandas as pd  data = pd.read_html('file_path.html')[0] 

6. 从API导入数据到DataFrame：

import pandas as pd import requests  response = requests.get('api_url') data = pd.DataFrame(response.json()) 

导出数据：

1. 将DataFrame导出为CSV文件：

data.to_csv('file_path.csv', index=False) 

2. 将DataFrame导出为Excel文件：

data.to_excel('file_path.xlsx', sheet_name='sheet_name', index=False) 

3. 将DataFrame导出为SQL表：

import sqlite3  # 创建一个SQLite连接 conn = sqlite3.connect('database_name.db')  # 将DataFrame写入SQL表 data.to_sql('table_name', conn, if_exists='replace', index=False)  # 关闭数据库连接 conn.close() 

4. 将DataFrame导出为JSON文件：

data.to_json('file_path.json', orient='records') 

5. 将DataFrame导出为HTML文件：

data.to_html('file_path.html', index=False) 

注意：在使用这些方法之前，请确保已安装所需的库（如pandas、sqlite3等）。