如何使用 pypyodbc 将 SQL 查询结果转换为 Pandas 数据框架

在这篇文章中，我们将看到如何使用Python中的pypyodbc模块将SQL查询结果转换为Pandas数据框架。

我们可能需要使用不同的查询表的数据库结果来处理数据，并在数据上应用任何机器学习来更好地分析事物和建议。我们可以将我们的数据转换为Python的Pandas数据框架，以便将不同的机器算法应用于数据。让我们看看如何使用MS SQL作为服务器将SQL查询结果转化为Pandas数据框架。

pypyodbc：它是一个纯Python跨平台ODBC接口模块。要安装pypyodbc模块，在终端使用此命令访问ODBC数据库。

 pip install pypyodbc

创建数据库

第1步：创建一个数据库

CREATE DATABASE GeeksforGeeks;

如何使用 pypyodbc 将 SQL 查询结果转换为 Pandas 数据框架？

第2步：使用数据库

USE GeeksForGeeks

如何使用 pypyodbc 将 SQL 查询结果转换为 Pandas 数据框架？

第3步：创建表student_marks并向表中添加行

CREATE TABLE student_marks(
stu_id VARCHAR(20),
stu_name VARCHAR(20),
stu_branch VARCHAR(20),
total_marks INT
)

如何使用 pypyodbc 将 SQL 查询结果转换为 Pandas 数据框架？

将SQL查询转换为Pandas数据框架

示例 1:

使用pdb.connect()将服务器名称和数据库名称连接到MSSQL服务器。然后使用read_sql()将SQL查询读到pandas数据框中并打印数据。

import pypyodbc as pdb 
import pandas as pd
  
connection = pdb.connect("""
    Driver={{SQL Server Native Client 11.0}};
    Server={0};
    Database={1};
    Trusted_Connection=yes;""".format('LAPTOP-LKHL8PKV',
                                      'GeeksForGeeks')
)
  
query = """SELECT * FROM student_marks"""
table = pd.read_sql(query, connection)
print(table)

输出:

如何使用 pypyodbc 将 SQL 查询结果转换为 Pandas 数据框架？

例子2：查询，从表中获取E.C.E分支的学生到pandas数据框。

import pypyodbc as pdb 
import pandas as pd
  
  
connection = pdb.connect("""
    Driver={{SQL Server Native Client 11.0}};
    Server={0};
    Database={1};
    Trusted_Connection=yes;""".format('LAPTOP-LKHL8PKV',
                                      'GeeksForGeeks')
)
  
query = """SELECT * FROM student_marks
           WHERE stu_branch='E.C.E'"""
table = pd.read_sql(query, connection)
print(table)