好不容易搜集到所需的大量资料，经过一连串的资料清理、格式化、排序与筛选等前置操作，为了后续的应用及分析，想必都会写入资料库中来留存，Pandas套件当然也提供了相关的方法(Method)，让开发人员除了可以将Pandas DataFrame中的资料存入资料库外，相对的，也能够透过SQL语法读取资料库中的资料。

　　本文就以Kaggle网站的2021年富比士亿万富翁资料集(Billionaire.csv)为例，模拟如何将Pandas DataFrame中的资料存入SQLite资料库，以及透过自订SQL语法来读取资料库的资料。重点包含：

　　建立SQLite资料库与资料表

　　Pandas DataFrame存入SQLite资料库

　　Pandas DataFrame读取SQLite资料库

　　一、建立SQLite资料库与资料表

　　SQLite是一个免费的轻量型关联式资料库，相较于其它大型的企业级资料库，无需伺服端的安装，就可以在用户端直接使用，对于小型的应用程式非常适合。

　　除此之外，Python也内建了SQLite模组(Module)，在专案中直接引用即可，如下范例：

　　而Pandas套件则需利用以下指令安装：

　　才能够在专案中进行引用，如下范例：

　　接着，就可以通过Pandas套件的read_csv()方法(Method)，来读取下载下来的资料集了，如下范例：

　　

　　执行结果

　　

　　其中，包含了Name(姓名)、NetWorth(净值)、Country(国家)、收入来源(Source)及排名(Rank)栏位。而要将Pandas DataFrame中的资料存入SQLite资料库，就需要先建立资料库与资料表，这时候利用sqlite3模组(Module)即可达成，如下范例：

　　

　　以上的动作说明如下：

　　connect()-同时建立资料库与连线

　　cursor()-建立资料库操作指标

　　execute()-执行新增资料表的SQL指令

　　commit()-确认完成

　　而要检查是否建立成功，可以下载DB Browser for SQLite工具，安装完成开启后如下图：

　　

　　点击「打开资料库」，选择刚刚所建立的SQLite资料库档(billionaire.db)，就可以看到其中的资料表(Billionaire)，如下图：

　　

　　二、Pandas DataFrame存入SQLite资料库

　　有了资料库与资料表后，利用Pandas DataFrame的to_sql()方法(Method)，就能够将资料写入SQLite资料库，如下范例：

　　

　　以上的Pandas DataFrame的to_sql()方法(Method)包含4个关键字参数(Keyword Argument)，分别为「写入的资料表名称」、「连线」、「资料表已存在该如何操作」及「是否写入Pandas DataFrame索引值」，而其中的「if_exists='append'」意思就是资料表已存在，则将资料直接写入。

　　开启DB Browser for SQLite工具，选择Billionaire资料表后，切换到Browse Data(浏览资料)页签，即可看到Pandas DataFrame中的资料成功写入，如下图：

　　

　　三、Pandas DataFrame读取SQLite资料库

　　相反的，Pandas DataFrame想要读取SQLite资料库中的资料，Pandas套件也提供了read_sql()方法(Method)，透过传入SQL指令来进行捞取，如下范例：

　　

　　执行结果

　　

　　以上范例，Pandas DataFrame就是透过SQL指令，读取资料库中国家(Country)栏位为美国(United States)的资料。

　　此外，这也提供了开发人员另一个资料筛选的方式，也就是利用SQL指令从资料库筛选出所需的资料后，再读入Pandas DataFrame中来进行操作分析。

　　四、小结

　　在实作资料分析的过程中，除了档案的读写外，资料库的读写也是非常重要的技巧之一，Pandas套件也提供了很好的支援，本文就以Pandas读写SQLite资料库为例，来示范其中的to_sql()及read_sql()方法(Method)应用，如果大家在分析实务上有与资料库的结合需求，希望本文能够帮助到你。

　　#python实战#

　　想了解更多精彩内容，快来关注四川人在香港