第5 章
Pandas 数据获取与清洗 
对于数据分析而言,数据大部分来源于外部数据,如常用的CSV 文件、Excel文件和数
据库文件等。Pandas库将外部数据转换为DataFrame数据格式,处理完成后再存储到相应
的外部文件中。
前期采集到的数据,或多或少都存在一些瑕疵和不足,如数据缺失、极端值、数据格式不
统一等问题。数据预处理不仅可以提高初始数据的质量,保留与分析目标联系紧密的数据, 
而且可以优化数据的表现形式,有助于提高数据分析或数据挖掘工作的效率和准确率。
数据清洗主要是将“脏”数据变成“干净”数据的过程,该过程中会通过一系列的方法对
“脏”数据进行处理,以达到清除冗余数据、规范数据、纠正错误数据的目的。
接下来,本节将针对Pandas中数据获取、清洗与格式化处理的内容进行详细讲解。
5.1 数据获取操作
在对数据进行分析时,通常不会将需要分析的数据直接写入程序中,这样不仅造成程序
代码臃肿,而且可用率很低。常用的方法是将需要分析的数据存储到本地,之后再对存储文
件进行读取。
初始数据获取是预处理的第一步,该步骤主要负责从文件、数据库、网页等众多渠道中
获取数据,以得到预处理的初始数据,为后续的处理工作做好数据准备。
针对不同的存储文件,Pandas读取数据的方式是不同的。Pandas将数据加载到
DataFrame后,就可以使用DataFrame对象的属性和方法进行操作。这些操作有的是完成
数据分析中的常规统计工作,有的是对数据的加工处理。
接下来,本节将针对常用存储格式文件的读写进行介绍。
5.1.1 读取文本(CSV 和TXT)文件
文本文件是一种由若干行字符构成的计算机文件,它是一种典型的顺序文件。CSV 
(Comma-SeparatedValues)是一种逗号分隔的文件格式,因为其分隔符不一定是逗号,又被
称为字符分隔文件,文件以纯文本形式存储表格数据(数字和文本)。CSV 不仅可以是一个
实体文件,还可以是字符形式(如URL+data.csv),以便于在网络上传输。
CSV 文件是一种纯文本文件,可以使用任何文本编辑器进行编辑,它支持追加模式,节
省内存开销。因为CSV 文件具有诸多的优点,所以在很多时候会将数据保存到CSV 文
件中。
CSV 不带数据样式,标准化较强,是最为常见的数据格式。

1 24 Python 大数据分析与可视化
Pandas中提供了read_csv()函数用于读取CSV 文件,关于它们的具体介绍如下。
1.通过read_csv()函数读取CSV 文件的数据
read_csv()函数的作用是将CSV 文件的数据读取出来,并转换成DataFrame对象。
read_csv()函数的语法格式如下。 
read_csv(filepath_or_buffer,sep= ',', delimiter= None, header= 'infer', names= 
None, index_col=None, usecols=None, prefix=None,nrows=None, …) 
参数说明如下。
.filepath_or_buffer:表示文件路径,可以为URL字符串。没有默认值,也不能为空, 
根据Python的语法,第一个参数传参时可以不写参数名。
.sep:接收string,代表每行数据内容的分隔符。read_csv默认为“,”,read_table默
认为制表符“[Tab]”,如果分隔符指定错误,在读取数据的时候,每一行数据将连成
一片。read_csv()函数还提供了一个参数名为delimiter的定界符,这是一个备选分
隔符,是sep的别名,效果和sep一样。如果指定该参数,则sep参数失效。常见参
数的有以下形式。 
pd.read_csv(r'./data.csv',sep='\t') #指定制表符分隔Tab 
pd.read_csv(r'./data.csv',sep='(? <!a)\|(? !1)',engine='python') 
#使用正则表达式
. header:指定行数作为列名,指定第几行是表头,默认会自动推断把第一行作为表
头。常见参数有以下形式。 
pd.read_csv(r'./data.csv',header=0) #第一行
pd.read_csv(r'./data.csv',header=None) #没有表头
pd.read_csv(r'./data.csv',header=[0,1,3]) #多层索引MulitIndex 
. names:指定列的名称,是一个类似列表的序列,与数据一一对应。如果文件不包含
列名,应该设置header=None。列名列表中不允许有重复值。常见参数有以下
形式。 
pd.read_csv(r'./data.csv',names=['列名_1','列名_']) #指定列名
.index_col:指定索引列,可以是行索引的列编号或者列名,接收int、sequence或
False,表示索引列的位置。若取值为sequence则代表多重索引,默认为None。如
果给定一个序列,则有多个行索引。Pandas不会自动将第一列作为索引,不指定时
会自动使用以0开始的自然索引。常见参数有以下形式。 
pd.read_csv(r'./data.csv',index_col=False) #不再使用首列作为索引
pd.read_csv(r'./data.csv',index_col=0) #第几列作为索引
pd.read_csv(r'./data.csv',index_col='列名') #指定列名作为索引
pd.read_csv(r'./data.csv',index_col=['列名1','列名2']) #多个索引
pd.read_csv(r'./data.csv',index_col=[0,3]) #按列索引指定多个索引
. 如果只使用数据的部分列,可以用usecols来指定,这样可以加快加载速度并降低内
存消耗。常见参数有以下形式。 
pd.read_csv(r'./data.csv',usecols=[1,5,2]) #按照索引只读取指定列,与顺序无关
pd.read_csv(r'./data.csv',usecols=['列名1','列名3','列名2']) 
#按列名,列名必须存在
. nrows:指定需要读取的行数,从文件第一行算起,经常用于较大的数据,先取部分

第5 章　Pandas 数据获取与清洗1 25 
数据进行代码编写。
需要注意的是,在读取文件时,如果传入的是文件的路径,而不是文件名,则会出现报
错,具体的解决方法是先切换到该文件的目录下,使用OS模块获取该文件的文件名。
一般情况下,会将读取到的数据返回一个DataFrame。
【例5-1】 读取“记账凭证清单.csv”文件。 
import pandas as pd 
pd.set_option('display.unicode.east_asian_width',True) 
#读取指定目录下的csv 格式的文件
df=pd.read_csv(r'./记账凭证清单.csv',encoding='gbk') 
print(df.head()) #输出前5 条
运行结果: 
凭证号年月日... 科目名称明细科目名称金额方向金额
0 1 2013 1 5 ... 银行存款NaN 借方金额5,151,450.00 
1 1 2013 1 5 ... 实收资本NaN 贷方金额5,151,450.00 
2 2 2013 1 7 ... 销售费用差旅费借方金额4,200.00 
3 2 2013 1 7 ... 库存现金NaN 贷方金额1,200.00 
4 2 2013 1 7 ... 其他应收款NaN 贷方金额3,000.00 
[5 rows x 10 columns] 
在上述代码中指定了编码格式,即encoding='gbk'。Python常用的编码格式是UTF-8 
和GBK格式,默认编码格式为UTF-8。读取.csv文件时,需要通过encoding参数指定编码
格式。
2.读取.txt文件格式
Text格式的文件也是比较常见的存储数据的方式,扩展名为“.txt”,它与上面提到的
CSV 文件都属于文本文件。如果希望读取Text文件,既可以使用前面提到的read_csv() 
函数,也可以使用read_table()函数。读取时需要指定sep参数(如制表符\t)。
read_table()函数的语法格式如下。 
read_table(filepath_or_buffer,sep= '\t', delimiter= None, header= 'infer', names 
=None, index_col=None, usecols=None, prefix=None, …) 
参数说明同read_csv()函数的参数。
【例5-2】 读取“记账凭证清单.txt”文件。 
import pandas as pd 
pd.set_option('display.unicode.east_asian_width',True) 
#读取指定目录下的csv 格式的文件
df=pd.read_csv(r'./记账凭证清单.txt',sep='\t',encoding='gbk') 
print(df.head()) #输出前5 条
运行结果: 
凭证号年月日... 科目名称明细科目名称金额方向金额
0 1 2013 1 5 ... 银行存款NaN 借方金额5,151,450.00 
1 1 2013 1 5 ... 实收资本NaN 贷方金额5,151,450.00 
2 2 2013 1 7 ... 销售费用差旅费借方金额4,200.00 
3 2 2013 1 7 ... 库存现金NaN 贷方金额1,200.00 
4 2 2013 1 7 ... 其他应收款NaN 贷方金额3,000.00 
[5 rows x 10 columns]

1 26 Python 大数据分析与可视化
注意:read_csv()函数与read_table()函数的区别在于使用的分隔符不同,前者使用
“,”作为分隔符,而后者使用“\t”作为分隔符。
5.1.2 读取Excel 文件
Excel文件也是比较常见的用于存储数据的方式,它里面的数据均是以二维表格的形
式显示的。从内容角度来说,Excel可以分为以文字为主的文字或者信息结构化和以数字
为核心的统计报表,因此可以对数据进行统计、分析等操作。
Excel的文件扩展名有.xls和.xlsx两种。Pandas中提供了对Excel文件进行读取操作
的方法为read_excel()函数,关于它们的操作具体如下。
1.使用read_excel()函数读取Excel文件
read_excel()函数的作用是将Excel文件中的数据读取出来,并转换成DataFrame对
象,其语法格式如下。 
pandas.read_excel(io,sheet_name=0,header=0,names=None,index_col=None,**kwds) 
参数说明如下。
.io:接收字符串,表示.xls或.xlsx文件路径或类文件对象。
.sheet_name:指定要读取的工作表,可接收None、字符串、整数、字符串列表或整数
列表,默认为0(表示第一个Sheet页中的数据作为DataFrame对象),其他参数值请
见表5-1。字符串指工作表名称;整数类型为索引,表示工作表位置;字符串列表或
整数列表用于请求多个工作表;为None时则获取所有的工作表。
表5-1 sheet_name参数值及说明
值说 明
sheet_name=0 第一个Sheet页中的数据作为DataFrame对象
sheet_name=1 第二个Sheet页中的数据作为DataFrame对象
sheet_name="Sheet1" 名为“Sheet1”的Sheet页中的数据作为DataFrame对象
sheet_name=[0,1,"Sheet3"] 第一个、第二个和名为“Sheet3”的Sheet页中的数据作为DataFrame 
对象 
. header:指定作为列名的行,默认为0,即取第一行的值为列名。数据为除列名以外
的数据;若数据不包括列名,则设置为header=None。
. names:默认为None,表示要使用的列名列表。如不指定,默认为表头的名称。
.index_col:指定列为索引列,默认为None,索引0是DataFrame对象的行标签。
特别提醒,当使用read_excel()函数读取Excel文件时,若出现importError异常,说明
当前Python环境中缺少读取Excel文件的依赖库xlrd,需要手动安装依赖库xlrd(pip 
installxlrd)进行解决。
2.读取指定Sheet页的数据
一个Excel文件有时会包含多个Sheet页,通过设置sheet_name参数就可以读取指定
Sheet页的数据。
【例5-3】 通过read_excel()函数读取“高中班学生成绩.xlsx”文件中“高一(1)班成绩”

第5 章　Pandas 数据获取与清洗1 27 
Sheet的数据。 
import pandas as pd 
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width',True) 
df=pd.read_excel(r'./高中班学生成绩.xlsx',sheet_name='高一(1)班成绩') 
print(df.head()) #输出前5 条
运行结果: 
学号姓名语文数学英语物理化学地理历史
0 G210101 申志凡99.0 98 101.0 95 91 95 78 
1 G210102 冯默风78.0 95 94.0 82 90 93 94 
2 G210103 石双英84.0 100 97.0 87 78 89 93 
3 G210104 史伯威101.0 110 102.0 93 95 92 88 
4 G210105 王家骏91.5 89 94.0 92 91 86 86 
除了指定Sheet页的名字,还可以指定Sheet页的顺序,从0开始。例如,“sheet_name 
=0”表示读取第一个Sheet页的数据;“sheet_name=1”表示导入第二个Sheet页的数据, 
以此类推。
如果不指定sheet_name参数,则默认导入第一个Sheet页的数据。
特别提醒,在读取文件时,要注意绝对路径和相对路径的问题。在Python中则需要在
路径前面加一个“r”,以避免路径里的反斜杠“\”被转义。
3.通过行列索引读取指定行列数据
DataFrame是二维数据结构,因此它既有行索引又有列索引。当读取Excel文件时,行
索引会自动生成,如0,1,2,…,而列索引则默认将第0行作为列索引。
如果通过指定行索引读取Excel文件,则需要设置index_col参数。
一个Excel表有多列数据,若只需其中几列数据,可以通过usecols参数指定需要的列, 
一般从0开始(表示第1列,以此类推)。如果导入多列,则可以在列表中指定多个值,也可
以指定列名称(要么都为值,要么都为列名称)。
【例5-4】 以第0列作为行索引,选取姓名、数学和物理列数据。 
import pandas as pd 
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width',True) 
df=pd.read_excel(r'./高中班学生成绩.xlsx',sheet_name='高一(1)班成绩',index_col= 
0,usecols=[0,1,3,5]) #设置"学号"为行索引
print(df.head()) #输出前5 条
运行结果: 
学号姓名数学物理
G210101 申志凡98 95 
G210102 冯默风95 82 
G210103 石双英100 87 
G210104 史伯威110 93 
G210105 王家骏89 92 
如果通过指定列索引导入Excel数据,则需要设置header参数,关键代码如下。

1 28 Python 大数据分析与可视化 
df=pd.read_excel(r'./高中班学生成绩.xlsx',sheet_name= '高一(1)班成绩',header= 1) 
#设置第1 行为列索引
如果将数字作为列索引,可以设置header参数为None,关键代码如下。 
df=pd.read_excel(r'./高中班学生成绩.xlsx',sheet_name= '高一(1)班成绩',header= 
None) #列索引为数字
那么,为什么要指定索引呢? 因为通过索引可以快速地检索数据,例如,根据df[1],就
可以快速检索到“姓名”这一列数据。
4.读取指定列数据
一个Excel表中往往包含多列数据,如果只需要其中的几列,可以通过usecols参数指
定需要的列,从0开始(表示第1列,以此类推)。
【例5-5】 读取“高中班学生成绩.xlsx”第1列数据的前5条。 
import pandas as pd 
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.east_asian_width',True) 
df=pd.read_excel(r'./高中班学生成绩.xlsx',sheet_name='高一(1)班成绩',usecols=[1]) 
#读取第1 列
print(df.head()) #输出前5 条
运行结果: 
姓名
0 申志凡
1 冯默风
2 石双英
3 史伯威
4 王家骏
如果导入多列,则可以在列表中指定多个值。例如,导入第1列和第4列,关键代码如下。 
df=pd.read_excel(r'./高中班学生成绩.xlsx',sheet_name= '高一(1)班成绩',usecols= 
[0,3]) 
也可以指定列名称,关键代码如下。 
df=pd.read_excel(r'./高中班学生成绩.xlsx',sheet_name='高一(1)班成绩',usecols= 
['姓名']) 
5.1.3 读取JSON 数据文件
JSON(JavaScriptObjectNotation)是互联网上非常通用的轻量级数据交换格式,是
HTTP请求中数据的标准格式之一。Pandas提供的JSON 读取方法在解析网络爬虫数据
时,可以极大地提高效率,广泛应用于Web数据交互。
JSON 采用独立于编程语言的文本格式来存储数据,其文件的扩展名为.json,可通过文
本编辑工具查看。
JSON 格式简洁、结构清晰,使用键值对(key:value)的格式存储数据对象。
key是数据对象的属性,value是数据对象属性的对应值。JSON 数据使用大括号来区
分表示并存储。例如,“性别”:“男”就是一个key:value结构的数据。
例如:

第5 章　Pandas 数据获取与清洗1 29 
{"
fruit ":"apple" , 
"color": red , 
"productioninformation":"AnHui", 
"farmer ":{"name":"Muzi" , "age":40 , "sex":"male"} 
}
对象在JSON 中是使用大括号{}括起来的内容,数据结构为{key1:value1,key2: 
value2,…}的键值对结构。
数组(理解为Python中的列表,形式一致)在JSON 中是使用方括号[]括起来的内容, 
可以存放多个对象。
JSON 文件格式广泛应用于互联网服务器API中,易于机器解析和生成,文件体积小。
但是JSON 文件格式存储单一,只能存储文本,不如Excel容易阅读。
JSON 文件格式与Excel文件一样,编码格式为ANSI、Unicode和UTF-8。在数据加
载时,可以根据需要进行相应的处理,其中,UTF-8格式的JSON 文件应用最为广泛。
Pandas读取JSON 数据的read_json()函数如下: 
pandas.read_json(path_or_buf=None, orient=None, typ='frame', dtype=True, 
convert_axes=True, convert_dates=True, keep_default_dates=True, 
numpy=False, precise_float=False, date_unit=None, encoding=None, 
lines=False, chunksize=None, compression='infer') 
【示例5-6】 Pandas通过read_json()函数读取JSON 数据。 
import pandas as pd 
df = pd.read_json(r"./json_data.json",encoding="utf8") 
print(df) 
运行结果: 
sno sname ssex sage 
0 202101002 Marry F 18 
1 202102001 Strong M 19 
Pandas还提供了pd.jsonnormalize(data)方法来读取半结构化的JSON 数据。
5.1.4 读取HTML 表格数据
在浏览网页时,有些数据会在HTML(HyperTextMarkupLanguage,超文本标记语
言)网页中以表格的形式进行展示,对于这部分数据,可以使用Pandas中的read_html()函
数接收HTML字符串、HTML文件、URL,并将HTML中的<table>标签表格数据解析
为DataFrame。如返回有多个df的列表,则可以通过索引指定取第几个。如果页面里只有
一个表格,那么这个列表就只有一个DataFrame。
read_html()函数的语法格式如下。 
pandas.read_html(io, match='.+', flavor=None, 
header=None, index_col=None,skiprows=None, encoding=None,attrs=None) 
参数说明如下。
.io:字符串,文件路径,也可以是URL链接。如果网址不接受https,可以尝试去掉
https中的s后爬取。

1 30 Python 大数据分析与可视化
. match:正则表达式,返回与正则表达式匹配的表格。
.flavor:解析器默认为“lxml”。
. header:指定列标题所在的行,列表list为多重索引。
.index_col:指定行标题对应的列,列表list为多重索引。
.encoding:字符串,默认为None,文件的编码格式。
.attrs:默认为None,用于表示表格的属性值。
在使用read_html()函数时,首先要确定网页表格是否为<table>标签。可以通过在
网页中单击右键,在弹出的菜单中选择“查看源文件”,查看代码是否含有表格标签“<table> 
…</table>”的字样,然后才使用read_html()函数。
【例5-7】 读取新浪网上的大学部分专业信息。 
import pandas as pd 
import requests 
html_ data = requests. get ( ' http://kaoshi. edu. sina. com. cn/college/majorlist? 
page=1') 
html_table_data = pd.read_html(html_data.content,header=0,encoding='utf-8') 
columns = ['专业名称','专业代码','专业大类','专业小类'] 
df = pd.DataFrame(data=html_table_data[1],columns=columns) 
print(df.head()) 
运行结果: 
专业名称专业代码专业大类专业小类
0 哲学类101 哲学哲学类
1 哲学10101 哲学哲学类
2 逻辑学10102 哲学哲学类
3 宗教学10103 哲学哲学类
4 伦理学10104 哲学哲学类
值得一提的是,在使用read_html()函数读取网页中的表格数据时,需要注意网页的编
码格式。运行程序,如果出现“ImportError:lxmlnotfound,pleaseinstallit”的错误提示信
息,则需要安装lxml模块。
5.1.5 读取MySQL 数据库中数据
大多数情况下,海量的数据是使用数据库进行存储的,这主要是依赖于数据库的数据结
构化、数据共享性、独立性等特点。因此,在实际生产环境中,绝大多数的数据都是存储在数
据库中。
Pandas支持MySQL、Oracle、SQLite等主流数据库的读写操作。
为了高效地对数据库中的数据进行读取,这里需要引入SQLAlchemy。SQLAlchemy 
是使用Python编写的一款开源软件,它提供的SQL工具包和对象映射工具能够高效地访
问数据库。在使用SQLAlchemy时需要使用相应的连接工具包,如MySQL 需要安装
mysqlconnector,Oracle则需要安装cx_oracle。
Pandas的io.sql模块中提供了常用的读写数据库函数,read_sql_table()函数与read_ 
sql_query()函数都可以将读取的数据转换为DataFrame对象,前者表示将整张表的数据转
换成DataFrame,后者则表示将执行SQL语句的结果转换为DataFrame对象。而read_sql()

第5 章　Pandas 数据获取与清洗1 31 
函数同时支持read_sql_table()函数与read_sql_query()函数两者的功能。to_sql()方法则
是把记录数据写到数据库里。
在连接MySQL数据库时,这里使用的是mysqlconnector驱动,如果当前的Python环
境中没有该模块,则需要使用pipinstallmysql-connector命令安装该模块。下面以read_ 
sql()函数和to_sql()方法为例,分别介绍如何读写数据库中的数据,具体内容如下。
1.使用read_sql()函数读取数据
read_sql()函数既可以读取整张数据表,又可以执行SQL语句,其语法格式如下。 
pandas.read_sql(sql,con,index_col= None,coerce_float= True,params= None,parse_ 
dates=None, columns=None, chunksize=None) 
参数说明如下。
.sql:表示被执行的SQL语句。
.con:接收数据库连接,表示数据库的连接信息。
.index_col:默认为None,如果传入一个列表,则表示为层次化索引。
.coerce_float:将非字符串、非数字对象的值转换为浮点数类型。
. params:传递给执行方法的参数列表,如params={'name':'value'}。
.columns:接收list表示读取数据的列名,默认为None。
如果发现数据中存在空值,则会使用NaN 进行补全。
【例5-8】 使用read_sql()函数读取数据库中的数据表specialty。 
import pandas as pd 
from sqlalchemy import create_engine 
#mysql 账号为root,密码为123456,数据名为jxgl 
#数据表名称:specialty 
engine = create_engine('mysql+pymysql://' 
'root:123456@127.0.0.1:3306/jxgl') 
#通过数据表名读取数据库的数据
#category_data = pd.read_sql('specialty', engine) 
#也可以通过SQL 语句读取数据库的数据
sql = 'SELECT * FROM specialty' 
df_data = pd.read_sql(sql, engine) 
print(df_data) 
运行结果: 
zno zname 
0 1102 数据科学与大数据技术
1 1103 人工智能
2 1201 网络与新媒体
3 1214 区块链科学与工程
4 1407 健康服务与管理
5 1409 智能医学工程
6 1601 供应链管理
7 1805 智能感知工程
8 1807 智能装备与系统
上述示例中,首先导入了sqlalchemy模块,通过create_engine()函数创建连接数据库
的信息,然后调用read_sql()函数读取数据库中的specialty数据表,并转换成DataFrame 
对象。

1 32 Python 大数据分析与可视化
注意:在使用create_engine()函数创建连接时,其格式如下:'数据库类型+数据库驱
动名称://用户名:密码@机器地址:端口号/数据库名'。
需要强调的是,这里的SQL语句不仅是用于筛选的SQL语句,其他用于增删改查的
SQL语句都是可以执行的。
2.使用to_sql()方法将数据写入数据库中
to_sql()方法的功能是将Series或DataFrame对象以数据表的形式写入数据库中,其
语法格式如下。 
to_sql(name, con, schema = None, if_exists = 'fail', index = True, index_label = 
None,chunksize = None,dtype = None) 
参数说明如下。
. name:表示数据库表的名称。
.con:表示数据库的连接信息。
.if_exists:可以取值为fail、replace或append,默认为fail。每个取值代表的含义
如下。
fail:如果表存在,则不执行写入操作。
replace:如果表存在,则将源数据库表删除再重新创建。
append:如果表存在,那么在原数据库表的基础上追加数据。
.index:表示是否将DataFrame行索引作为数据传入数据库,默认为True。
.index_label:表示是否引用索引名称。如果index设为True,此参数为None,则使
用默认名称;如果index为层次化索引,则必须使用序列类型。
接下来,通过一个示例程序来演示如何使用Pandas向数据库中写入数据。
首先,创建一个名称为students_info的数据库,具体的SQL语句如下。 
CREATE DATABASE students_info CHARASET=utf8 
然后,创建一个DataFrame对象,它统计了每个年级中男生和女生的人数。
接着,调用to_sql()方法将DataFrame对象写入名称为students的数据表中,具体代码
如下。 
from pandas import DataFrame,Series 
import pandas as pd 
from sqlalchemy import create_engine 
from sqlalchemy.types import * 
df = DataFrame({"班级":["一年级","二年级","三年级","四年级"], 
"男生人数":[25,23,27,30], 
"女生人数":[19,17,20,20]}) 
#创建数据库引擎
#mysql+pymysql 表示使用MySQL 数据库的pymysql 驱动
#账号:root,密码:123456,数据库名:studnets_info 
#数据表的名称: students 
engine=create_engine('mysql+ mysqlconnector://root:123456@127.0.0.1/students_ 
info') 
df.to_sql('students',engine) 
当程序执行结束后,可以在数据库中查看是否成功创建了数据表,以及数据是否保存成
功,这里使用命令行的方式进行验证。