import pymysql
import pandas as pd

In [4]:

conn=pymysql.Connect("192.168.1.8","root","Password","mysqljingjie",charset="utf8")

conn #建立连接，连接之后打印conn‘查看是否连接成功

Out[4]:

<pymysql.connections.Connection at 0x1deef01c4e0>

注：在初次连接数据库时失败，显示1061错误，判定是数据库没有连接权限导致的，在mysql本机进行如下操作后，重启mysql服务，连接成功

如果想让192.168.10.83能够连接到本地的这个数据库，要让数据库给其分配权限,登录mysql，执行:(username 和 password是登录mysql的用户名和密码)

GRANT ALL PRIVILEGES ON . TO ‘账户名‘@‘192.168.10.83‘ IDENTIFIED BY ‘password‘ WITH GRANT OPTION;

如果要想所有的外部ip地址都能够访问使用mysql，可以执行下面： GRANT ALL PRIVILEGES ON . TO ‘账户名‘@‘%‘ IDENTIFIED BY ‘password‘ WITH GRANT OPTION;

cur=conn.cursor()#创建游标

In [6]:

cur.execute("select*from employee")#执行sql语句

Out[6]:

8

#cur.fetchone()#返回一条结果
#cur.fetchmany()#返回指定条数
ser=cur.fetchall()#返回所有元组

In [8]:

columnDes = cur.description#获取描述信息

In [11]:

columnNames = [columnDes[i][0] for i in range(len(columnDes))]#获取列名称
df = pd.DataFrame([list(i) for i in ser],columns=columnNames)
df

Out[11]:

	empid	name1	gender	title	birthday	depid
0	1001	张三	男	高级工程师	1980-01-01	1111
1	1002	李四	女	工程师	1980-11-01	1111
2	1003	王五	男	工程师	1980-01-21	2222
3	1004	赵六	男	工程师	1980-01-11	2222
4	1005	张三	男	高级工程师	1980-01-01	1111
5	1006	李四	女	助理工程师	1980-11-01	1111
6	1007	王五	男	工程师	1980-01-21	2222
7	1008	赵六	男	工程师	1980-01-11	2222

conn.close()#关闭连接，否者浪费资源

插入新内容

#sql="""insert into bank(b_id,bank_name)
 ，values("B0005","成都银行")"""

 

In [126]:

conn=pymysql.Connect("192.168.1.8","root","password","mysqljingjie",charset="utf8")
cur=conn.cursor()
cur.execute(sql)
conn.commit()#提交事务
# 发生错误时回滚
conn.rollback()
conn.close()

In [127]:

ser

Out[127]:

((‘1001‘, ‘张三‘, ‘男‘, ‘高级工程师‘, datetime.date(1980, 1, 1), ‘1111‘),
 (‘1002‘, ‘李四‘, ‘女‘, ‘工程师‘, datetime.date(1980, 11, 1), ‘1111‘),
 (‘1003‘, ‘王五‘, ‘男‘, ‘工程师‘, datetime.date(1980, 1, 21), ‘2222‘),
 (‘1004‘, ‘赵六‘, ‘男‘, ‘工程师‘, datetime.date(1980, 1, 11), ‘2222‘))

def get_df_from_db(sql):
 cursor = connection.cursor()
 cursor.execute(sql)
 data = cursor.fetchall()
 columnDes = cursor.description #获取连接对象的描述信息
 columnNames = [columnDes[i][0] for i in range(len(columnDes))]
 df = pd.DataFrame([list(i) for i in data],columns=columnNames)
 return df

In [113]:

import pandas as pd

In [ ]:

description()

In [16]:

len(columnDes)

Out[16]:

6

columnDes

Out[17]:

((‘empid‘, 253, None, 20, 20, 0, False),
 (‘name1‘, 253, None, 20, 20, 0, True),
 (‘gender‘, 253, None, 20, 20, 0, True),
 (‘title‘, 253, None, 20, 20, 0, True),
 (‘birthday‘, 10, None, 10, 10, 0, True),
 (‘depid‘, 253, None, 20, 20, 0, True))