2003031122-钱柯蓉-Python数据分析第七周作业-MySQL

项目	内容
课程班级地址链接	20级数据班（本）
作业要求链接	第七周作业
博客名称	2003031122-钱柯蓉-Python数据分析第七周作业-MySQL
要求	每道题要有题目,代码,截图（只截运行结果）

 作业：

1.安装好MySQL，连接上Navicat。

2.完成课本练习(代码4-1~3/4-9~31)。

4-1     SQLAlchemy连接MySQL数据库的代码

from sqlalchemy import create_engine
engine=create_engine("mysql+pymysql://root:root@127.0.0.1:3306/testdb?charset=utf8")
print(engine)

运行结果

 

4-2    使用read_sql_table、read_sql_query、read_sql函数读取数据库数据代码

import pandas as pd
#使用read_sql_query查看testdb中的数据表数目
formlist=pd.read_sql_query('show tables',con = engine)
print('testdb数据库表数据清单为:','\n',formlist)

#使用read_sql_table读取订单详情表
detail1=pd.read_sql_table('meal_order_detail1',con=engine)
print('使用read_sql_table读取订单详情表的长度为:',len(detail1))

# 使用read_sql读取订单详情表
detail2 = pd.read_sql('select*from meal_order_detail2', con=engine)
print('使用read_sql函数+SQL语句读取的订单详情表的长度为:', len(detail2))

detail3 = detail3 = pd.read_sql('meal_order_detail3', con=engine)
print('使用read_sql函数+表格名称读取的订单详情表的长度为:', len(detail3))

运行结果

 

4-3   使用to_sql方法写入数据代码

#使用to_sql存储orderData
detail1.to_sql('test1', con=engine, index=False, if_exists='replace')
#使用read_sal读取test表
formlist1 = pd.read_sql_query('show tables', con=engine)
print('新增一个表格后，testdb数据库数据表清单为:', '\n', formlist1)

运行结果

 

4-9  读取订单详情表代码

#导入SQLAlchemy库的create_engine函数
from sqlalchemy import create_engine
import pandas as pd
#创建一个MySQL连接器，用户名为root，密码为root
#地址为127.0.0.1，数据库名称为testdb
engine = create_engine('mysql+pymysql://root:root@127.0.0.1:3306/testdb?charset=utf8')
#使用read_sql_table读取订单详情表
order1 = pd.read_sql_table('meal_order_detail1', con=engine)
print('订单详情表一的长度为：', len(order1))
order2 = pd.read_sql_table('meal_order_detail2', con=engine)
print('订单详情表二的长度为：', len(order2))
order3 = pd.read_sql_table('meal_order_detail3', con=engine)
print('订单详情表三的长度为：', len(order3))

运行结果

 

4-10   读取订单信息表代码

from sqlalchemy import create_engine
engine=create_engine("mysql+pymysql://root:root@127.0.0.1:3306/testdb?charset=utf8")
import pandas as pd
orderInfo = pd.read_table('C:/Users/ASUS/Desktop/新建文件夹/meal_order_info.csv', sep=',', encoding='utf-8')
print('订单信息表长度为:', len(orderInfo))

运行结果

 

4-11   读取客户信息表代码

# 读取users.xlsx文件
from sqlalchemy import create_engine
import pandas as pd
userInfo = pd.read_excel('C:/Users/ASUS/Desktop/新建文件夹/users.xlsx')
print('客户信息表长度为:', len(userInfo))

运行结果

 

4-12     订单详情表的4个基本属性代码

#订单详情表的四个基本属性
from sqlalchemy import create_engine
import pandas as pd

# 创建数据库连接
engine = create_engine('mysql+pymysql://root:root@127.0.0.1:3306/testdb?charset=utf8')
detail = pd.read_sql_table('meal_order_detail1', con=engine)

print('订单详情表的索引为:', detail.index)
print('订单详情表的所有值为:', '\n', detail.values)
print('订单详情表的列名为:', '\n', detail.columns)
print('订单详情表的数据类型为:\n', detail.dtypes)

运行结果

 

 

4-13到4-31代码

# 4-13 size、ndim、shape属性的使用
from sqlalchemy import create_engine
import pandas as pd
# 创建数据库连接
engine = create_engine('mysql+pymysql://root:root@127.0.0.1:3306/testdb?charset=utf8')
detail = pd.read_sql_table('meal_order_detail1', con=engine)
# 查看dataframe的元素个数
print('订单详情表的元素个数为:', detail.size)
# 查看dataframe的维度数
print('订单详情表的元素个数为:', detail.ndim)
# 查看dataframe的形状
print('订单详情表的元素个数为:', detail.shape)
print('订单详情表转置前形状为:', detail.shape)
print('订单详情表转置后形状为:', detail.T.shape)
# 取出某一列
order_id = detail['order_id']
print('订单详情表中的order_id的形状为:', '\n', order_id.shape)

# 4-16 使用访问属性的方式访问orderInfo中的菜品名称列
dishes_name = detail.dishes_name
print('订单详情表中的dishes_name的形状为:', '\n', dishes_name.shape)

# 4-17 dataframe单列多行数据获取
dishes_name5 = detail['dishes_name'][:5]
print('订单详情表中的dishes_name前5个元素为：', '\n', dishes_name5)

# 4-18 访问dataframe多列的多行数据
orderDish = detail[['order_id', 'dishes_name']][:5]
print('订单详情表中的order_id和dishesname前5个元素为：', '\n', orderDish)

# 4-19 访问dataframe多行数据
order5 = detail[:][1:6]
print('订单详情表的1-6行元素为：', '\n', order5)

#4-20 使用dataframe的head和tail方法获取多行数据
print('订单详情表中前5行数据为：', '\n', detail.head())
print('订单详情表中后5行元素为：', '\n', detail.tail())

# 4-21 使用loc和iloc实现单列切片
dishes_name1 = detail.loc[:, 'dishes_name']
print('使用loc提取dishes_name列的size为：', dishes_name1.size)
dishes_name2 = detail.iloc[:, 3]
print('使用iloc提取第三列的size为：', dishes_name2.size)

# 4-22 使用loc和iloc实现多列切片
orderDish1 = detail.loc[:, ['order_id', 'dishes_name']]
print('使用loc提取order_id和dishes_name列的size为：', orderDish1.size)
orderDish2 = detail.iloc[:, [1, 3]]
print('使用iloc提取第一列和第三列的size为：', orderDish2.size)

# 4-23 使用loc和iloc实现花式切片
print('列名为order_id和dishes_name的行名为3的数据为：', '\n', detail.loc[3, ['order_id', 'dishes_name']])
print('列名为order_id和dishes_name的行名为2,3,4,5,6的数据为：', '\n', detail.loc[2:6, ['order_id', 'dishes_name']])
print('列位置为1和3，行位置为3的数据为：\n', detail.iloc[3, [1, 3]])
print('列位置为1和3，行位置为2,3,4,5,6的数据为：\n', detail.iloc[2:7, [1, 3]])

# 4-24 使用loc和和iloc实现条件切片
print('detail中order为order_id为458的dishes_name为：\n', detail.loc[detail['order_id'] == '458', ['order_id', 'dishes_name']])
# print('detail中order为order_id为458的第1、5列数据为：\n',detail.iloc[detail['order_id']=='458',[1,5]])
# NotImplementedError: iLocation based boolean indexing on an integer type is not available

# 4-25 使用iloc实现条件切片
print('detail中order_id为458的第1,5列数据为：\n', detail.iloc[(detail['order_id'] == '458').values, [1, 5]])
# 4-26 使用loc、iloc、ix实现切片比较
print('列名为dishes_name行名为 2,3,4,5,6的数据为：\n', detail.loc[2:6, 'dishes_name'])
print('列位置为5，行位置为2~6的数据为：\n', detail.iloc[2:6, 5])
# print('列位置为5，行名为2~6的数据为：', '\n',detail.ix[2:6,5])    #pandas的1.0.0版本后，已经对ix进行了升级和重构。

# 4-27 更改dataframe中的数据
# 将ordeer_id为458的变换为45800
detail.loc[detail['order_id'] == '458', 'ordeer_id'] = '45800'
print('更改后detail中order_id为458的order_id为：\n', detail.loc[detail['order_id'] == '458', 'order_id'])
print('更改后detail中order_id为45800的order_id为：\n', detail.loc[detail['order_id'] == '45800', 'order_id'])

# 4-28 为dataframe新增一列非定值
detail['payment'] = detail['counts'] * detail['amounts']
print('detail新增列payment的前5行为：', '\n', detail['payment'].head())

# 4-29 dataframe新增一列定值
detail['pay_way'] = '现金支付'
print('detail新增列pay_way的前5行为：', '\n', detail['pay_way'].head())
print('删除pay_way前detail的列索引为：', '\n', detail.columns)

# 4-30 删除dataframe某列
detail.drop(labels='pay_way', axis=1, inplace=True)
print('删除pay_way后detail的列索引为：', '\n', detail.columns)

# 4-31 删除dataframe某几行
print('删除1~10行前detail的长度为：', len(detail))
detail.drop(labels=range(1, 11), axis=0, inplace=True)
print('删除1~10行后detail的长度为：', len(detail))

运行结果