세 줄의 Python 코드를 사용하여 데이터베이스와 Excel을 가져오고 내보내는 방법은 무엇입니까?
Database->Excel
먼저 데이터베이스의 부서 테이블을 살펴보겠습니다. 이 테이블에는 서로 다른 부서를 나타내는 6개의 데이터가 있습니다.
다음으로, 이 Python 코드를 살펴보세요. 먼저 Python에서 가장 유명한 ORM 도구인 SQLAlchemy를 사용해야 합니다.
전체 이름은 객체 관계형 매핑입니다.
SQLAlchemy를 사용하는 이유는 무엇인가요?
기본 데이터베이스 및 관련 SQL 기능에서 코드를 추상화합니다.
특징은 SQL 쿼리 대신 Python 개체를 조작한다는 것입니다. 즉, 개체를 SQL 대신 코드 수준에서 고려하여 Python 프로그램을 더욱 간결하고 읽기 쉽게 만듭니다.
구체적인 사용법은 다음과 같습니다:
from sqlalchemy import create_engine import pandas as pd # 创建数据库连接 engine = create_engine('mysql+pymysql://root:211314@localhost/hong') # 读取mysql数据 db = pd.read_sql(sql='select * from hong.department', con=engine) # 导出数据到excel db.to_excel('部门数据.xlsx')
코드의 첫 번째 줄은 먼저 데이터베이스에 대한 연결을 생성하는 것입니다.
내 mysql 사용자 이름은 root이고 비밀번호는 211314입니다.
여기서 로컬 데이터베이스 서비스를 시작하므로 localhost입니다.
슬래시 뒤에는 데이터베이스 이름 hong이 옵니다
두 번째 코드 줄은 pandas의 read_sql()을 사용하여 mysql 테이블 부서의 데이터를 쿼리하는 것입니다.
두 번째 코드 줄은 쿼리된 데이터를 다음을 통해 전달하는 것입니다. pandas의 to_excel( )이 로컬에 기록됩니다
실행 결과가 로컬 엑셀 파일에 성공적으로 기록되었습니다
Excel->Database
다음으로 로컬 xlsx 데이터를 mysql 파일에 쓰는 방법을 살펴보겠습니다.
from sqlalchemy import create_engine import pandas as pd # 创建数据库连接 engine = create_engine('mysql+pymysql://root:211314@localhost/hong') # 读取xlsx文件 df = pd.read_excel('模拟数据.xlsx') # 导入到mysql数据库 df.to_sql(name='test_data', con=engine, index=False, if_exists='replace')
마찬가지로 첫 번째 코드 줄은 먼저 데이터베이스에 대한 연결을 만드는 것입니다
두 번째 코드 줄은 pandas의 read_excel()을 사용하여 로컬 파일을 읽습니다.
이것은 Python의 faker를 사용하여 시뮬레이션한 100개의 데이터입니다
세 번째 단계에서는 pandas의 to_sql() 메서드를 사용하여 읽은 데이터를 mysql에 씁니다
코드 실행이 완료된 후 Returning mysql의 hong 데이터베이스에 test_data라는 추가 테이블이 있다는 것을 발견했습니다.
열어서 살펴보세요. 그러면 이 데이터는 로컬 데이터와 동일합니다.
그러니까. 여기서는 세 줄의 코드를 사용하여 데이터베이스에서 Excel로 데이터를 가져오고, 또 다른 세 줄의 코드를 사용하여 Excel에서 데이터베이스로 데이터를 가져옵니다.
요약하자면:
단 3줄의 코드로 양방향 데이터 가져오기를 수행할 수 있습니다.
데이터베이스에서 Excel로 가져오기:
1. sqlalchemy를 사용하여 데이터베이스 연결 만들기
2. pandas의 read_sql을 사용하여 데이터베이스 데이터 읽기
3 pandas의 to_csv를 사용하여 csv 파일로 저장 Excel에서 데이터베이스 가져오기:
1. sqlalchemy를 사용하여 데이터베이스 연결 만들기
2. pandas의 read_csv를 사용하여 csv 데이터 읽기
3 데이터를 데이터베이스에 저장 a
위 내용은 세 줄의 Python 코드를 사용하여 데이터베이스와 Excel을 가져오고 내보내는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











MySQL은 성능, 신뢰성, 사용 편의성 및 커뮤니티 지원을 위해 선택됩니다. 1.MYSQL은 효율적인 데이터 저장 및 검색 기능을 제공하여 여러 데이터 유형 및 고급 쿼리 작업을 지원합니다. 2. 고객-서버 아키텍처 및 다중 스토리지 엔진을 채택하여 트랜잭션 및 쿼리 최적화를 지원합니다. 3. 사용하기 쉽고 다양한 운영 체제 및 프로그래밍 언어를 지원합니다. 4. 강력한 지역 사회 지원을 받고 풍부한 자원과 솔루션을 제공합니다.

MySQL은 오픈 소스 관계형 데이터베이스 관리 시스템으로, 주로 데이터를 신속하고 안정적으로 저장하고 검색하는 데 사용됩니다. 작업 원칙에는 클라이언트 요청, 쿼리 해상도, 쿼리 실행 및 반환 결과가 포함됩니다. 사용의 예로는 테이블 작성, 데이터 삽입 및 쿼리 및 조인 작업과 같은 고급 기능이 포함됩니다. 일반적인 오류에는 SQL 구문, 데이터 유형 및 권한이 포함되며 최적화 제안에는 인덱스 사용, 최적화 된 쿼리 및 테이블 분할이 포함됩니다.

Python은 데이터 과학, 웹 개발 및 자동화 작업에 적합한 반면 C는 시스템 프로그래밍, 게임 개발 및 임베디드 시스템에 적합합니다. Python은 단순성과 강력한 생태계로 유명하며 C는 고성능 및 기본 제어 기능으로 유명합니다.

이 기사는 데비안 시스템에서 Apache Logs를 분석하여 웹 사이트 성능을 향상시키는 방법을 설명합니다. 1. 로그 분석 기본 사항 Apache Log는 IP 주소, 타임 스탬프, 요청 URL, HTTP 메소드 및 응답 코드를 포함한 모든 HTTP 요청의 자세한 정보를 기록합니다. 데비안 시스템 에서이 로그는 일반적으로 /var/log/apache2/access.log 및 /var/log/apache2/error.log 디렉토리에 있습니다. 로그 구조를 이해하는 것은 효과적인 분석의 첫 번째 단계입니다. 2. 로그 분석 도구 다양한 도구를 사용하여 Apache 로그를 분석 할 수 있습니다.

Python은 게임 및 GUI 개발에서 탁월합니다. 1) 게임 개발은 Pygame을 사용하여 드로잉, 오디오 및 기타 기능을 제공하며 2D 게임을 만드는 데 적합합니다. 2) GUI 개발은 Tkinter 또는 PYQT를 선택할 수 있습니다. Tkinter는 간단하고 사용하기 쉽고 PYQT는 풍부한 기능을 가지고 있으며 전문 개발에 적합합니다.

개발 환경과 생태계에서 Laravel과 Python의 비교는 다음과 같습니다. 1. Laravel의 개발 환경은 간단하며 PHP와 작곡가 만 필요합니다. Laravelforge와 같은 풍부한 확장 패키지를 제공하지만 확장 패키지 유지 보수는시기 적절하지 않을 수 있습니다. 2. 파이썬의 개발 환경도 간단하며 파이썬과 PIP 만 필요합니다. 생태계는 거대하고 여러 분야를 다루지 만 버전 및 종속성 관리는 복잡 할 수 있습니다.

PHP와 Python은 각각 고유 한 장점이 있으며 프로젝트 요구 사항에 따라 선택합니다. 1.PHP는 웹 개발, 특히 웹 사이트의 빠른 개발 및 유지 보수에 적합합니다. 2. Python은 간결한 구문을 가진 데이터 과학, 기계 학습 및 인공 지능에 적합하며 초보자에게 적합합니다.

이 기사에서는 DDOS 공격 탐지 방법에 대해 설명합니다. "Debiansniffer"의 직접적인 적용 사례는 발견되지 않았지만 DDOS 공격 탐지에 다음과 같은 방법을 사용할 수 있습니다. 효과적인 DDOS 공격 탐지 기술 : 트래픽 분석을 기반으로 한 탐지 : 갑작스런 트래픽 성장, 특정 포트에서의 연결 감지 등의 비정상적인 네트워크 트래픽 패턴을 모니터링하여 DDOS 공격을 식별합니다. 예를 들어, Pyshark 및 Colorama 라이브러리와 결합 된 Python 스크립트는 실시간으로 네트워크 트래픽을 모니터링하고 경고를 발행 할 수 있습니다. 통계 분석에 기반한 탐지 : 데이터와 같은 네트워크 트래픽의 통계적 특성을 분석하여
