用pandas怎么快速搞定数据库数据读取，真心不难试试看吧

其实用pandas从数据库里读数据，比你想象的要简单太多了，根本不用把自己想成一个专业的程序员，你就把它当成一个三步走的小任务：连接数据库、写下最简单的指令、把数据变成你熟悉的表格,下面我就用最直白的话告诉你咋弄。

你得让python里的pandas知道你要连接哪个数据库，这就好比你要去朋友家串门，总得知道人家地址和门牌号吧？数据库也一样，它有地址（主机名或IP）、门牌号（端口号）、叫什么名字（数据库名），而且进门还得有钥匙（用户名和密码），这些信息通常管数据库的人会告诉你，或者如果你是自己电脑上装的练习用的数据库,你自己肯定知道。

光有pandas还不够，你需要一个“翻译官”，这个翻译官就是数据库驱动，不同的数据库说的“方言”不一样，所以需要不同的翻译官，最常见的MySQL，你需要安装一个叫pymysql的翻译官；如果是PostgreSQL，你需要psycopg2；如果是SQLite，这个数据库比较宅，它就住在你电脑的一个文件里，pandas自带就能听懂它的话，不用额外请翻译，安装这些翻译官很简单，在命令行里打一句pip install pymysql或者pip install psycopg2-binary就行了。（来源：基于pandas官方文档中关于IO工具连接数据库的概述）

准备工作做完，接下来就是核心魔法了，只用一行代码就能搞定！pandas提供了一个超级好用的函数，叫read_sql_query，听名字就知道，它是用来“读取SQL查询结果”的，你只要把你想对数据库说的话（也就是SQL语句）和那个已经连上数据库的“连接”交给它，它就能帮你把数据捞出来,直接变成一个你玩得转的DataFrame表格。

我来给你写个实实在在的例子，假设我们连接的是一个MySQL数据库，里面有一张表叫销售表：

import pandas as pd
import pymysql
# 第一步：连接数据库，就像敲门递名片
connection = pymysql.connect(
    host='localhost',  # 数据库地址，本地就是localhost
    user='你的用户名',
    password='你的密码',
    database='你的数据库名',
    port=3306  # MySQL默认端口是3306
)
# 第二步：写一句最简单的SQL查询，告诉数据库你要什么
sql_query = "SELECT * FROM 销售表"  # 这句SQL的意思就是“把销售表里所有内容都给我”
# 第三步：让pandas大显身手，直接读成DataFrame
df = pd.read_sql_query(sql_query, connection)
# 完事儿后别忘了关门，是个好习惯
connection.close()
# df就是你熟悉的pandas表格了，想咋看咋看！
print(df.head())  # 先看看前几行长啥样

你看，核心代码其实就那几行，是不是一点都不难？SELECT * FROM 表名 这是最最基础的SQL语句，意思是选中某个表里的所有列和所有行,你完全可以先从这里开始玩起来。

有时候我们并不需要整张表那么大的数据，可能只关心最近一个月的数据，或者只想要其中几个栏目，这时候，你只需要稍微改改那个SQL查询语句就行了,pandas完全不用动。

# 只要“销售日期”和“销售额”这两列
sql_query = "SELECT 销售日期, 销售额 FROM 销售表"
# 只要2023年以后的销售记录
sql_query = "SELECT * FROM 销售表 WHERE 销售日期 >= '2023-01-01'"
# 结合一下，只要2023年以后的部分列，并且按销售额从高到低排个序
sql_query = """
SELECT 销售员, 销售额, 销售日期 
FROM 销售表 
WHERE 销售日期 >= '2023-01-01' 
ORDER BY 销售额 DESC
"""

你发现没有，真正的灵活性在于你怎么写SQL语句，pandas的read_sql_query函数就像一个忠实的信使，你让它传什么话，它就给你带回什么样的结果，这样你就能轻松地对数据进行初步的筛选和排序，非常方便。（来源：常见SQL查询语法在数据分析中的应用）

还有一种情况是，你的查询可能比较复杂，或者数据库连接参数很长，每次都写一遍挺麻烦的，这时候你可以用另一个函数叫read_sql，它更聪明一点，或者你可以把连接数据库的步骤写成一个函数，随用随调，还有一个偷懒小技巧是使用sqlalchemy来创建连接，它更规范也更强大一些,但刚开始你用我上面说的那种简单方法就足够了。

记得一个好习惯：就像你用完后要关水龙头一样，从数据库取完数据后，最好用connection.close()把连接关掉，释放资源，更保险的做法是使用with语句，这样即使中间出错了，它也会自动帮你关闭连接,万无一失。

别把从数据库取数据想得太复杂，pandas已经帮你把最难的部分包装好了，你要做的就是：1. 连上线；2. 说人话（写简单的SQL）；3. 接货（得到DataFrame），剩下的，就是你在pandas的天地里用各种groupby、plot去尽情分析了，真心建议你找个练习环境试试看,一下子就上手了。