Qualsiasi aiuto su questo problema sarà molto apprezzato.

Quindi in pratica voglio eseguire una query sul mio database SQL e memorizzare i dati restituiti come struttura dati Pandas.

Ho allegato il codice per la query.

Sto leggendo la documentazione su Panda, ma ho problemi a identificare il tipo di ritorno della mia query.

Ho provato a stampare il risultato della query, ma non fornisce alcuna informazione utile.

Grazie!!!!

from sqlalchemy import create_engine

engine2 = create_engine('mysql://THE DATABASE I AM ACCESSING')
connection2 = engine2.connect()
dataid = 1022
resoverall = connection2.execute("
  SELECT 
      sum(BLABLA) AS BLA,
      sum(BLABLABLA2) AS BLABLABLA2,
      sum(SOME_INT) AS SOME_INT,
      sum(SOME_INT2) AS SOME_INT2,
      100*sum(SOME_INT2)/sum(SOME_INT) AS ctr,
      sum(SOME_INT2)/sum(SOME_INT) AS cpc
   FROM daily_report_cooked
   WHERE campaign_id = '%s'", %dataid)

Quindi voglio capire qual è il formato / tipo di dati della mia variabile "resoverall" e come metterla con la struttura dati PANDAS.

Ecco il codice più breve che farà il lavoro:

from pandas import DataFrame
df = DataFrame(resoverall.fetchall())
df.columns = resoverall.keys()

Puoi andare più elaborato e analizzare i tipi come nella risposta di Paul.

Modifica: marzo 2015

Come indicato di seguito, i panda ora utilizzano SQLAlchemy sia per leggere da ( read_sql ) che per inserire ( to_sql ) un database. Quanto segue dovrebbe funzionare

import pandas as pd

df = pd.read_sql(sql, cnxn)

Risposta precedente: Via mikebmassey da una domanda simile

import pyodbc
import pandas.io.sql as psql

cnxn = pyodbc.connect(connection_info) 
cursor = cnxn.cursor()
sql = "SELECT * FROM TABLE"

df = psql.frame_query(sql, cnxn)
cnxn.close()

Se stai usando l'ORM di SQLAlchemy invece del linguaggio delle espressioni, potresti ritrovarti a voler convertire un oggetto di tipo sqlalchemy.orm.query.Queryin un frame di dati Pandas.

L'approccio più pulito consiste nell'ottenere l'SQL generato dall'attributo dell'istruzione della query e quindi eseguirlo con il read_sql()metodo di pandas . Ad esempio, a partire da un oggetto Query chiamato query:

df = pd.read_sql(query.statement, query.session.bind)

Modifica 30/09/2014:

Panda ora ha una read_sqlfunzione. Sicuramente vuoi usarlo invece.

Risposta originale:

Non posso aiutarti con SQLAlchemy: uso sempre pyodbc, MySQLdb o psychopg2 secondo necessità. Ma quando lo faccio, una funzione semplice come quella di seguito tende a soddisfare le mie esigenze:

import decimal

import pydobc
import numpy as np
import pandas

cnn, cur = myConnectToDBfunction()
cmd = "SELECT * FROM myTable"
cur.execute(cmd)
dataframe = __processCursor(cur, dataframe=True)

def __processCursor(cur, dataframe=False, index=None):
    '''
    Processes a database cursor with data on it into either
    a structured numpy array or a pandas dataframe.

    input:
    cur - a pyodbc cursor that has just received data
    dataframe - bool. if false, a numpy record array is returned
                if true, return a pandas dataframe
    index - list of column(s) to use as index in a pandas dataframe
    '''
    datatypes = []
    colinfo = cur.description
    for col in colinfo:
        if col[1] == unicode:
            datatypes.append((col[0], 'U%d' % col[3]))
        elif col[1] == str:
            datatypes.append((col[0], 'S%d' % col[3]))
        elif col[1] in [float, decimal.Decimal]:
            datatypes.append((col[0], 'f4'))
        elif col[1] == datetime.datetime:
            datatypes.append((col[0], 'O4'))
        elif col[1] == int:
            datatypes.append((col[0], 'i4'))

    data = []
    for row in cur:
        data.append(tuple(row))

    array = np.array(data, dtype=datatypes)
    if dataframe:
        output = pandas.DataFrame.from_records(array)

        if index is not None:
            output = output.set_index(index)

    else:
        output = array

    return output

Connettore MySQL

Per quelli che funzionano con il connettore mysql puoi usare questo codice come inizio. (Grazie a @Daniel Velkov)

Rif. Usati:

• Esecuzione di query sui dati utilizzando Connector / Python
• Connessione a MYSQL con Python in 3 passaggi

import pandas as pd
import mysql.connector

# Setup MySQL connection
db = mysql.connector.connect(
    host="<IP>",              # your host, usually localhost
    user="<USER>",            # your username
    password="<PASS>",        # your password
    database="<DATABASE>"     # name of the data base
)   

# You must create a Cursor object. It will let you execute all the queries you need
cur = db.cursor()

# Use all the SQL you like
cur.execute("SELECT * FROM <TABLE>")

# Put it all to a data frame
sql_data = pd.DataFrame(cur.fetchall())
sql_data.columns = cur.column_names

# Close the session
db.close()

# Show the data
print(sql_data.head())

Ecco il codice che uso. Spero che questo ti aiuti.

import pandas as pd
from sqlalchemy import create_engine

def getData():
  # Parameters
  ServerName = "my_server"
  Database = "my_db"
  UserPwd = "user:pwd"
  Driver = "driver=SQL Server Native Client 11.0"

  # Create the connection
  engine = create_engine('mssql+pyodbc://' + UserPwd + '@' + ServerName + '/' + Database + "?" + Driver)

  sql = "select * from mytable"
  df = pd.read_sql(sql, engine)
  return df

df2 = getData()
print(df2)

Questa è una risposta breve e chiara al tuo problema:

from __future__ import print_function
import MySQLdb
import numpy as np
import pandas as pd
import xlrd

# Connecting to MySQL Database
connection = MySQLdb.connect(
             host="hostname",
             port=0000,
             user="userID",
             passwd="password",
             db="table_documents",
             charset='utf8'
           )
print(connection)
#getting data from database into a dataframe
sql_for_df = 'select * from tabledata'
df_from_database = pd.read_sql(sql_for_df , connection)

1. Utilizzo di MySQL-connector-python

# pip install mysql-connector-python

import mysql.connector
import pandas as pd

mydb = mysql.connector.connect(
    host = 'host',
    user = 'username',
    passwd = 'pass',
    database = 'db_name'
)
query = 'select * from table_name'
df = pd.read_sql(query, con = mydb)
print(df)

2. Utilizzo di SQLAlchemy

# pip install pymysql
# pip install sqlalchemy

import pandas as pd
import sqlalchemy

engine = sqlalchemy.create_engine('mysql+pymysql://username:password@localhost:3306/db_name')

query = '''
select * from table_name
'''
df = pd.read_sql_query(query, engine)
print(df)

Come Nathan, spesso voglio scaricare i risultati di una query sqlalchemy o sqlsoup in un frame di dati Pandas. La mia soluzione per questo è:

query = session.query(tbl.Field1, tbl.Field2)
DataFrame(query.all(), columns=[column['name'] for column in query.column_descriptions])

resoverallè un oggetto ResultProxy di sqlalchemy. Puoi leggere di più a riguardo nei documenti di sqlalchemy , quest'ultimo spiega l'utilizzo di base del lavoro con motori e connessioni. Importante qui è che resoverallè proprio come.

Ai panda piacciono gli oggetti dict like per creare le proprie strutture dati, vedere i documenti online

Buona fortuna con sqlalchemy e panda.

Basta usare pandase pyodbcinsieme. Dovrai modificare la stringa di connessione ( connstr) in base alle specifiche del database.

import pyodbc
import pandas as pd

# MSSQL Connection String Example
connstr = "Server=myServerAddress;Database=myDB;User Id=myUsername;Password=myPass;"

# Query Database and Create DataFrame Using Results
df = pd.read_sql("select * from myTable", pyodbc.connect(connstr))

L'ho utilizzato pyodbccon diversi database aziendali (ad esempio SQL Server, MySQL, MariaDB, IBM).

Questa domanda è vecchia, ma volevo aggiungere i miei due centesimi. Ho letto la domanda come "Voglio eseguire una query sul mio [mio] database SQL e memorizzare i dati restituiti come struttura dati Pandas [DataFrame]".

Dal codice sembra che tu intenda database mysql e presumi che intendi panda DataFrame.

import MySQLdb as mdb
import pandas.io.sql as sql
from pandas import *

conn = mdb.connect('<server>','<user>','<pass>','<db>');
df = sql.read_frame('<query>', conn)

Per esempio,

conn = mdb.connect('localhost','myname','mypass','testdb');
df = sql.read_frame('select * from testTable', conn)

Questo importerà tutte le righe di testTable in un DataFrame.

Ecco il mio. Per ogni evenienza, se stai usando "pymysql":

import pymysql
from pandas import DataFrame

host   = 'localhost'
port   = 3306
user   = 'yourUserName'
passwd = 'yourPassword'
db     = 'yourDatabase'

cnx    = pymysql.connect(host=host, port=port, user=user, passwd=passwd, db=db)
cur    = cnx.cursor()

query  = """ SELECT * FROM yourTable LIMIT 10"""
cur.execute(query)

field_names = [i[0] for i in cur.description]
get_data = [xx for xx in cur]

cur.close()
cnx.close()

df = DataFrame(get_data)
df.columns = field_names

pandas.io.sql.write_frame è DEPRECATO. https://pandas.pydata.org/pandas-docs/version/0.15.2/generated/pandas.io.sql.write_frame.html

Dovrebbe cambiare per utilizzare pandas.DataFrame.to_sql https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_sql.html

C'è un'altra soluzione. Da PYODBC a Panda - DataFrame non funziona - La forma dei valori passati è (x, y), gli indici implicano (w, z)

A partire da Pandas 0.12 (credo) puoi fare:

import pandas
import pyodbc

sql = 'select * from table'
cnn = pyodbc.connect(...)

data = pandas.read_sql(sql, cnn)

Prima della 0.12, potresti fare:

import pandas
from pandas.io.sql import read_frame
import pyodbc

sql = 'select * from table'
cnn = pyodbc.connect(...)

data = read_frame(sql, cnn)

Molto tempo dall'ultimo post ma forse aiuta qualcuno ...

In corto rispetto a Paul H:

my_dic = session.query(query.all())
my_df = pandas.DataFrame.from_dict(my_dic)

il modo migliore per farlo

db.execute(query) where db=db_class() #database class
    mydata=[x for x in db.fetchall()]
    df=pd.DataFrame(data=mydata)

Se il tipo di risultato è ResultSet , è necessario convertirlo prima in dizionario. Quindi le colonne DataFrame verranno raccolte automaticamente.

Questo funziona sul mio caso:

df = pd.DataFrame([dict(r) for r in resoverall])