Pandas est une bibliothèque Python qui fournit une interface de haut niveau aux données des bases de données SQL. Il s'agit d'un outil d'analyse de données largement utilisé pour créer des visualisations de données et des outils d'analyse de données.
Dans ce tutoriel, nous allons apprendre à convertir un résultat de requête SQL en Pandas DataFrame en Python. Nous utiliserons la base de données SQLite pour plus de simplicité, mais toute base de données conforme à la PEP 0249 peut être utilisée. Astuce :Utiliser SQLAlchemy permet d'utiliser n'importe quelle base de données prise en charge par cette bibliothèque.
Pour convertir un résultat de requête SQL en Pandas DataFrame, nous utiliserons le pandas.read_sql_query() fonction.
Créer la base de données en RAM
import sqlite3
connection = sqlite3.connect(":memory:")
cursor = connection.cursor()
cursor.execute("CREATE TABLE users(id INTEGER PRIMARY KEY, name TEXT, age INTEGER)")
cursor.execute("INSERT INTO users VALUES(NULL, 'John', 42)")
cursor.execute("INSERT INTO users VALUES(NULL, 'Jane', 37)")
cursor.execute("INSERT INTO users VALUES(NULL, 'Jill', 30)")
cursor.execute("INSERT INTO users VALUES(NULL, 'Jack', 29)")
connection.commit()
Créer une requête pour lire les données de la base de données
query = "SELECT * FROM users"
Exécutons la requête et stockons le résultat dans un Pandas DataFrame
data = pd.read_sql_query(query, connection)
Imprimer le DataFrame
print(data)
La sortie du code ci-dessus est la suivante :
id name age
0 1 John 42
1 2 Jane 37
2 3 Jill 30
3 4 Jack 29
