import pandas as pd
import numpy as np
import os

# 更改文件路劲
os.chdir(‘F:\CSDN\课程内容\代码和数据‘)

#设置最大显示列数
pd.set_option(‘display.max_columns‘, 20)
#设置最大显示行数
pd.set_option(‘display.max_rows‘, 100)

# 婴儿信息表
baby = pd.read_csv(‘sam_tianchi_mum_baby.csv‘, encoding=‘utf-8‘)#默认将第一行作为表头(列标签),一般用utf-8编码

baby.head(10)

# 编码为gbk中文编码
# 订单数据
order = pd.read_csv(‘meal_order_info.csv‘,encoding =  ‘gbk‘, dtype = {‘info_id‘:str,‘emp_id‘:str})

dtype用来改变数据类型

order 

#交易表
baby_trade_history = pd.read_csv(‘baby_trade_history.csv‘, nrows=100) #n ro w s读取前100行

baby_trade_history.to_csv(‘a1.csv‘,encoding=‘utf-8‘,index=False)#建议用utf-8编码或者中文gbk编码,默认是utf-8编码,index=False表示不写出索引行

# 订单数据
df1 = pd.read_excel(‘meal_order_detail.xlsx‘,encoding = ‘utf-8‘,sheet_name = ‘meal_order_detail1‘)# 读取excel需要注明具体哪一个工作簿,否则就是第一个工作簿

df1 = pd.read_excel(‘meal_order_detail.xlsx‘,encoding = ‘utf-8‘,sheet_name = 0)# sheet_name可以为数字，代表第几个工作簿

#保存数据

df1.to_excel(‘a1.xlsx‘,sheet_name=‘one‘,index=False)

#导入相关库
import pymysql
from sqlalchemy import create_engine

# 建立连接
conn = create_engine(‘mysql+pymysql://root:ly200689081@localhost:3306/test01‘)

# 读取数据
sql = ‘select * from meal_order_info‘  #选择数据库中表名称
df1 = pd.read_sql(sql,conn)
#df1 是个dataframe格式

# # # 函数
def query(table):
    host = ‘localhost‘
    user = ‘root‘
    password = ‘ly200689081‘
    database = ‘test01‘
    port = 3306
    conn = create_engine("mysql+pymysql://{}:{}@{}:{}/{}".format(user, password, host, port, database))
    #SQL语句，可以定制，实现灵活查询
    sql = ‘select * from ‘ + table  #选择数据库中表名称    
    # 使用pandas 的read_sql函数，可以直接将数据存放在dataframe中
    results = pd.read_sql(sql,conn)
    return results

df2 =  query(‘appendix‘)

import os
os.chdir(r‘F:\CSDN\课程内容\代码和数据‘)

df = pd.read_csv(‘baby_trade_history.csv‘)

try:
    df.to_sql(‘testdf‘,con = conn, index= False,if_exists= ‘replace‘)
except:
    print(‘error‘)

if_exists= ‘replace‘如果表存在就会覆盖