Truyền dữ liệu giữa trang SQLite và Excel bằng cách sử dụng kết nối Pandas DataFrame và SQLalchemy
Gấu trúc sqlite từ sqlite đến excel
From SQLite to Excel
Chúng tôi sẽ tạo một khung dữ liệu gấu trúc bằng cách sử dụng dữ liệu từ bảng sinh viên SQLite. . Chúng tôi đang sử dụng thử ngoại trừ khối mã để xử lý các lỗi nếu có. Sử dụng Pandas DataFrame DF, chúng tôi sẽ sử dụng to_sql () để thêm dataFrame vào trang tính Excel.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db'
my_conn = create_engine("sqlite:///"+ my_path)
import pandas as pd
try:
query="SELECT * FROM student" # query to collect record
df = pd.read_sql(query,my_conn,index_col='id') # create DataFrame
print(df.head()) # Print top 5 rows as sample
df.to_excel('D:\student.xlsx') # create the excel file
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else:
print("DataFrame created successfully..")
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
We will use read_sql() to create the DataFrame by using the query. We are using try except code block to handle errors if any. Using the
Pandas DataFrame df, we will use to_sql() to add the dataframe to Excel sheet.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db'
my_conn = create_engine("sqlite:///"+ my_path)
import pandas as pd
try:
query="SELECT * FROM student" # query to collect record
df = pd.read_sql(query,my_conn,index_col='id') # create DataFrame
print(df.head()) # Print top 5 rows as sample
df.to_excel('D:\student.xlsx') # create the excel file
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else:
print("DataFrame created successfully..")
From Excel to SQLite table
Trong phần đầu tiên bằng cách sử dụng read_excel (), chúng tôi sẽ thu thập dữ liệu từ trang Excel và tạo DataFrame. Trong phần thứ hai, chúng tôi sẽ sử dụng to_sql () để tạo và lưu trữ dữ liệu từ bảng dữ liệu đến bảng SQLite (Bảng Student3).
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
Từ Google Sheet đến SQLite bằng cách sử dụng PygSetets và Google API ủy quyền từ Google Sheet đến bảng cơ sở dữ liệu của MySQL và Versa để sử dụng tệp XLSXWriter
In second part we will use to_sql() to create and store data from the Dataframe to SQLite table ( student3 table ) .
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
From Google sheet to SQLite using Pygsheets and google API authorization
From Google sheet to MySQL and vice versa Database table to Excel file using xlsxwriter
plus2net.com
Nếu bạn đang muốn tìm hiểu thêm về Pandas và Data Analysis thì hãy tới ngay Nordic Coder– Trung tâm đào tạo lập trình hàng đầu với khoá học Data Analysis với Python.
Tại sao nên học cách làm việc với Python Pandas Excel? Excel là một trong những công cụ dữ liệu phổ biến và được sử dụng rộng rãi nhất; khó mà tìm được một tổ chức mà không sử dụng Excel. Từ các nhà phân tích, đến các VP bán hàng, cho đến các CEO, các chuyên gia khác nhau đều sử dụng Excel cho cả số liệu thống kê nhanh và xử lý dữ liệu nghiêm trọng.Show
Nội dung chính Show
Điều kiện tiên quyết của hệ thống
Tập dữ liệu – Python Pandas Excel
Đọc dữ liệu từ tệp Excel – Python Pandas Excel
Sử dụng lớp ExcelFile để đọc nhiều sheets – Python Pandas Excel
Lấy thông tin thống kê về dữ liệu
Đọc tệp không có tiêu đề và bỏ qua hồ sơ
Đọc một tập hợp con của các cột
Áp dụng các công thức trên các cột
Pivot Table in pandas – Python Pandas Excel
Giống như thế này, người ta có thể sử dụng XlsxWriter để áp dụng các định dạng khác nhau cho tệp Excel đầu ra.
Phần kết luận
Pandas không phải là một thay thế cho Excel. Cả hai công cụ đều có vị trí trong quy trình phân tích dữ liệu và có thể là công cụ đồng hành rất tuyệt vời. Như chúng tôi đã chứng minh, Pandas có thể thực hiện nhiều thao tác và phân tích dữ liệu phức tạp, tùy thuộc vào nhu cầu và chuyên môn của bạn, có thể vượt xa những gì bạn có thể đạt được nếu bạn chỉ sử dụng Excel. Một trong những lợi ích chính của việc sử dụng Python và Pandas trên Excel là nó giúp bạn tự động hóa việc xử lý tệp Excel bằng cách viết các tập lệnh và tích hợp với quy trình làm việc dữ liệu tự động của bạn. Pandas cũng có các phương pháp tuyệt vời để đọc tất cả các loại dữ liệu từ các tệp Excel. Bạn cũng có thể xuất kết quả của mình từ Pandas trở lại Excel nếu đối tượng đó ưa thích bởi đối tượng dự định của bạn. Mặt khác, Excel là một công cụ dữ liệu được sử dụng rộng rãi như vậy, nó không phải là một cách khôn ngoan để bỏ qua nó. Có được kiến thức chuyên môn trong cả Pandas và Excel và khiến chúng hoạt động cùng nhau mang lại cho bạn những kỹ năng có thể giúp bạn nổi bật trong tổ chức của mình.
Nếu bạn đang muốn tìm hiểu thêm về Pandas và Data Analysis thì hãy tới ngay Nordic Coder– Trung tâm đào tạo lập trình hàng đầu với khoá học Data Analysis với Python.
Tại sao nên học cách làm việc với Python Pandas Excel? Excel là một trong những công cụ dữ liệu phổ biến và được sử dụng rộng rãi nhất; khó mà tìm được một tổ chức mà không sử dụng Excel. Từ các nhà phân tích, đến các VP bán hàng, cho đến các CEO, các chuyên gia khác nhau đều sử dụng Excel cho cả số liệu thống kê nhanh và xử lý dữ liệu nghiêm trọng.
Nội dung chính Show
Điều kiện tiên quyết của hệ thống
Tập dữ liệu – Python Pandas Excel
Đọc dữ liệu từ tệp Excel – Python Pandas Excel
Sử dụng lớp ExcelFile để đọc nhiều sheets – Python Pandas Excel
Lấy thông tin thống kê về dữ liệu
Đọc tệp không có tiêu đề và bỏ qua hồ sơ
Đọc một tập hợp con của các cột
Áp dụng các công thức trên các cột
Pivot Table in pandas – Python Pandas Excel
chuyển dữ liệu từ Pandas vào Excel
Lưu ý rằng hướng dẫn này không cung cấp một lặn sâu vào Pandas. Để khám pháPandas nhiều hơn, hãy xem khóa học của chúng tôi.
Điều kiện tiên quyết của hệ thống
Chúng tôi sẽ sử dụng Python 3 và Jupyter Notebook để trình bày mã trong hướng dẫn này. Ngoài Python và Jupyter Notebook, bạn sẽ cần các mô-đun Python sau: Ngoài Python và Jupyter Notebook, bạn sẽ cần các mô-đun Python sau:
matplotlib – trực quan hóa dữ liệu NumPy – chức năng dữ liệu số OpenPyXL – đọc / ghi tệp Excel 2010 xlsx / xlsm Pandas – nhập dữ liệu, dọn dẹp, thăm dò và phân tích xlrd – đọc dữ liệu Excel xlwt – ghi vào Excel XlsxWriter – ghi vào tệp Excel (xlsx) NumPy – chức năng dữ liệu số OpenPyXL – đọc / ghi tệp Excel 2010 xlsx / xlsm Pandas – nhập dữ liệu, dọn dẹp, thăm dò và phân tích xlrd – đọc dữ liệu Excel xlwt – ghi vào Excel XlsxWriter – ghi vào tệp Excel (xlsx)
Có nhiều cách để thiết lập với tất cả các mô-đun. Chúng tôi bao gồm ba trong số các kịch bản phổ biến nhất dưới đây.
Nếu bạn đã cài đặt Python thông qua trình quản lý gói Anaconda, bạn có thể cài đặt các mô-đun cần thiết bằng lệnh conda install. Ví dụ, để cài đặt Pandas, bạn sẽ thực thi lệnh – conda install pandas.conda install. Ví dụ, để cài đặt Pandas, bạn sẽ thực thi lệnh – conda install pandas.
Nếu bạn đã cài đặt Python thông thường, không phải Anaconda trên máy tính, bạn có thể cài đặt các mô-đun cần thiết bằng pip. Mở chương trình dòng lệnh của bạn và thực hiện lệnh pip install để cài đặt một mô-đun. Bạn nên thay thế bằng tên thực của mô-đun bạn đang cố gắng cài đặt. Ví dụ, để cài đặt Pandas, bạn sẽ thực thi lệnh – pip install pandas.module
name> để cài đặt một mô-đun. Bạn nên thay thế bằng tên thực của mô-đun bạn đang cố gắng cài đặt. Ví dụ, để cài đặt Pandas, bạn sẽ thực thi lệnh – pip install pandas.
Nếu bạn không cài đặt Python, bạn nên tải nó thông qua trình quản lý gói Anaconda. Anaconda cung cấp trình cài đặt cho Máy tính Windows, Mac và Linux. Nếu bạn chọn trình cài đặt đầy đủ, bạn sẽ nhận được tất cả các mô-đun bạn cần, cùng với Python và Pandas trong một gói duy nhất. Đây là cách dễ nhất và nhanh nhất để bắt đầu.
Tập dữ liệu – Python Pandas Excel
Trong hướng dẫn này, chúng tôi sẽ sử dụng tệp Excel nhiều trang mà chúng tôi đã tạo từ dữ liệu Điểm IMDB của Kaggle. Bạn có thể tải tập tin tại đây.
Tệp Excel của chúng tôi có ba sheets: ‘1900s’, ’2000s’, ‘2010s’. Mỗi sheet có dữ liệu cho các bộ phim từ những năm đó.
Chúng tôi sẽ sử dụng bộ dữ liệu này để tìm phân phối xếp hạng cho phim, trực quan hóa phim có xếp hạng cao nhất và thu nhập ròng và tính toán thông tin thống kê về phim. Chúng tôi sẽ phân tích và khám phá dữ liệu này bằng Python vàPandas, do đó chứng minh khả năng của Pandas để làm việc với dữ liệu Excel trong Python.
Đọc dữ liệu từ tệp Excel – Python Pandas Excel
Trước tiên chúng ta cần nhập dữ liệu từ tệp Excel vào Pandas. Để làm điều đó, chúng tôi bắt đầu bằng cách nhập mô-đun Pandas.
import pandas as pd
Sau đó, chúng tôi sử dụng phương thức pandasTHER read_excel để đọc dữ liệu từ tệp Excel. Cách dễ nhất để gọi phương thức này là truyền tên tệp. Nếu không có tên trang tính được chỉ định thì nó sẽ đọc trang tính đầu tiên trong chỉ mục (như hiển thị bên dưới).
excel_file ='movies.xls'
movies = pd.read_excel(excel_file)
Ở đây, phương thức read_excel đọc dữ liệu từ tệp Excel vào một đối tượng DataFrame của Pandas. Pandas mặc định lưu trữ dữ liệu trong DataFrames. Sau đó chúng tôi đã lưu trữ DataFrame này vào một biến gọi là movies.
Pandas có một phương thức DataFrame.head () tích hợp mà chúng ta có thể sử dụng để dễ dàng hiển thị một vài hàng đầu tiên của DataFrame. Nếu không có đối số nào được thông qua, nó sẽ hiển thị năm hàng đầu tiên. Nếu một số được thông qua, nó sẽ hiển thị số lượng hàng bằng nhau từ đầu.
movie.head ()
Title
Year
Genres
Language
Country
Content Rating
Duration
Aspect Ratio
Budget
Gross Earnings
…
Facebook Likes – Actor 1
Facebook Likes – Actor 2
Facebook Likes – Actor 3
Facebook Likes – cast Total
Facebook likes – Movie
Facenumber in posters
User Votes
Reviews by Users
Reviews by Crtiics
IMDB Score
0
Intolerance: Love’s Struggle Throughout the Ages
1916
Drama|History|War
NaN
USA
Not Rated
123
1.33
385907.0
NaN
USA
436
22
9.0
481
691
1
10718
88
69.0
8.0
1
Not Rated
1920
…
NaN
USA
NaN
110
1.33
100000.0
3000000.0
USA
2
2
0.0
4
0
1
5
1
1.0
4.8
2
Not Rated
1925
…
NaN
USA
Not Rated
151
1.33
245000.0
NaN
USA
81
12
6.0
108
226
0
4849
45
48.0
8.3
3
Not Rated
1927
…
Over the Hill to the Poorhouse
Crime|Drama
Not Rated
145
1.33
6000000.0
26435.0
USA
136
23
18.0
203
12000
1
111841
413
260.0
8.3
4
Not Rated
1929
…
Over the Hill to the Poorhouse
Crime|Drama
Not Rated
110
1.33
NaN
9950.0
USA
426
20
3.0
455
926
1
7431
84
71.0
8.0
Not Rated
Theo mặc định, Pandas sẽ tự động gán chỉ mục số hoặc nhãn hàng bắt đầu bằng 0. Bạn có thể muốn để lại chỉ mục mặc định như vậy nếu dữ liệu của bạn không có cột có các giá trị duy nhất có thể phục vụ như một chỉ mục tốt hơn. Trong trường hợp có một cột mà bạn cảm thấy sẽ đóng vai trò là một chỉ mục tốt hơn, bạn có thể ghi đè hành vi mặc định bằng cách đặt thuộc tính index_col thành một cột. Nó nhận một giá trị số để đặt một cột làm chỉ mục hoặc danh sách các giá trị số để tạo đa chỉ mục.
Trong đoạn mã dưới đây, chúng tôi đang chọn cột đầu tiên, Title Tiêu đề, làm chỉ mục (index = 0) bằng cách chuyển số 0 cho đối số index_col.
movies = pd.concat([movies_sheet1, movies_sheet2, movies_sheet3])
…
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
0
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
1
Sử dụng lớp ExcelFile để đọc nhiều sheets – Python Pandas Excel
Chúng ta đồng thời có thể sử dụng lớp ExcelFile để làm việc với nhiều trang từ cùng một Excel fileWe can also use the ExcelFile class to work with multiple sheets from the same Excel file. Trước tiên chúng tôi bọc tệp Excel bằng cách sử dụng
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
9 và chuyển nó tới phương thức
import pandas as pd
0 .
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
9 và chuyển nó tới phương thức
import pandas as pd
0 .
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
2
Nếu bạn đang đọc tệp Excel có nhiều trang tính và đang tạo nhiều DataFrames, ExcelFile sẽ thuận tiện và hiệu quả hơn so với read_excel. Với ExcelFile, bạn chỉ cần truyền tệp Excel một lần và sau đó bạn có thể sử dụng tệp đó để lấy DataFrames. Khi sử dụng read_excel, bạn chuyển tệp Excel mỗi lần và do đó tệp được tải lại cho mỗi trang tính. Đây có thể là một lực kéo hiệu suất rất lớn nếu tệp Excel có nhiều trang tính với số lượng hàng lớn. Khám phá dữ liệu Bây giờ chúng ta đã đọc trong tập dữ liệu phim từ tệp Excel của mình, chúng ta có thể bắt đầu khám phá nó bằng Pandas. Một DataFrame của Pandas lưu trữ dữ liệu theo định dạng bảng, giống như cách Excel hiển thị dữ liệu trong một trang tính. Pandas có rất nhiều phương thức tích hợp để khám phá DataFrame mà chúng ta đã tạo từ tệp Excel mà chúng ta vừa đọc. Chúng tôi đã giới thiệu đầu phương thức trong phần trước hiển thị một vài hàng từ đầu từ DataFrame. Hãy cùng xem xét một vài phương pháp hữu ích trong khi khám phá tập dữ liệu. Chúng ta có thể sử dụng phương thức hình dạng để tìm ra số lượng hàng và cột cho DataFrame. Khám phá dữ liệu Bây giờ chúng ta đã đọc trong tập dữ liệu phim từ tệp Excel của mình, chúng ta có thể bắt đầu khám phá nó bằng Pandas. Một DataFrame của Pandas lưu trữ dữ liệu theo định dạng bảng, giống như cách Excel hiển thị dữ liệu trong một trang tính. Pandas có rất nhiều phương thức tích hợp để khám phá DataFrame mà chúng ta đã tạo từ tệp Excel mà chúng ta vừa đọc. Chúng tôi đã giới thiệu đầu
phương thức trong phần trước hiển thị một vài hàng từ đầu từ DataFrame. Hãy cùng xem xét một vài phương pháp hữu ích trong khi khám phá tập dữ liệu. Chúng ta có thể sử dụng phương thức hình dạng để tìm ra số lượng hàng và cột cho DataFrame.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
0
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
4
Điều này cho chúng tôi biết tệp Excel của chúng tôi có 5042 hồ sơ và 25 cột hoặc quan sát. Điều này có thể hữu ích trong việc báo cáo số lượng bản ghi và cột và so sánh với số liệu được thiết lập. Chúng ta có thể sử dụng phương thức đuôi để xem các hàng dưới cùng. Nếu không có tham số nào được thông qua, chỉ có năm hàng dưới cùng được trả về. Chúng ta có thể sử dụng phương
thức đuôi để xem các hàng dưới cùng. Nếu không có tham số nào được thông qua, chỉ có năm hàng dưới cùng được trả về.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
5
Title
Year
Genres
Language
Country
Content Rating
Duration
Aspect Ratio
Budget
Gross Earnings
…
Facebook Likes – Actor 1
Facebook Likes – Actor 2
Facebook Likes – Actor 3
Facebook Likes – cast Total
Facebook likes – Movie
Facenumber in posters
User Votes
Reviews by Users
Reviews by Crtiics
IMDB Score
1599
War & Peace
NaN
Drama|History|Romance|War
English
UK
TV-14
NaN
16.00
NaN
NaN
Drama|History|Romance|War
1000.0
888.0
502.0
4528
11000
1.0
9277
44.0
10.0
8.2
1600
English
NaN
Drama|History|Romance|War
English
UK
NaN
30.0
1.33
NaN
NaN
Drama|History|Romance|War
685.0
511.0
424.0
1884
1000
5.0
7646
56.0
19.0
7.3
1601
English
NaN
Drama|History|Romance|War
English
UK
NaN
NaN
2.00
NaN
NaN
Drama|History|Romance|War
511.0
457.0
206.0
1617
954
0.0
726
6.0
2.0
7.1
1602
English
NaN
Drama|History|Romance|War
English
UK
NaN
142.0
NaN
NaN
NaN
Drama|History|Romance|War
27000.0
698.0
427.0
29196
0
2.0
6053
33.0
9.0
7.7
1603
English
NaN
Drama|History|Romance|War
English
UK
NaN
24.0
NaN
NaN
NaN
Drama|History|Romance|War
0.0
NaN
NaN
0
124
0.0
12417
51.0
6.0
7.0
Drama|History|Romance|War
English Vì chúng tôi có dữ liệu được sắp xếp theo các giá trị trong một cột, chúng tôi có thể thực hiện một vài điều thú vị với nó. Ví dụ: chúng tôi có
thể hiển thị 10 phim hàng đầu theo Tổng thu nhập.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
6
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
7
UK Đầu tiên, chúng tôi nhập mô-đun matplotlib và đặt
matplotlib để hiển thị các ô ngay trong Notebook Jupyter.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
8
TV-14
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path)
9 …
Wings
Comedy|Drama
Pandas có một số phương pháp rất tiện dụng để xem xét dữ liệu thống kê về tập dữ liệu của chúng tôi. Ví dụ: chúng ta có thể sử dụng phương pháp mô tả để có được một bản tóm tắt thống kê của tập dữ liệu.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db'
my_conn = create_engine("sqlite:///"+ my_path)
import pandas as pd
try:
query="SELECT * FROM student" # query to collect record
df = pd.read_sql(query,my_conn,index_col='id') # create DataFrame
print(df.head()) # Print top 5 rows as sample
df.to_excel('D:\student.xlsx') # create the excel file
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else:
print("DataFrame created successfully..")
1
Year
Duration
Aspect Ratio
Budget
Gross Earnings
Facebook Likes – Director
Facebook Likes – Actor 1
Facebook Likes – Actor 2
Facebook Likes – Actor 3
Facebook Likes – cast Total
Facebook likes – Movie
Facenumber in posters
User Votes
Reviews by Users
Reviews by Crtiics
IMDB Score
count
4935.000000
5028.000000
4714.000000
4.551000e+03
4.159000e+03
4938.000000
5035.000000
5029.000000
5020.000000
5042.000000
5042.000000
5029.000000
5.042000e+03
5022.000000
4993.000000
5042.000000
mean
2002.470517
107.201074
2.220403
3.975262e+07
4.846841e+07
686.621709
6561.323932
1652.080533
645.009761
9700.959143
7527.457160
1.371446
8.368475e+04
272.770808
140.194272
6.442007
std
12.474599
25.197441
1.385113
2.061149e+08
6.845299e+07
2813.602405
15021.977635
4042.774685
1665.041728
18165.101925
19322.070537
2.013683
1.384940e+05
377.982886
121.601675
1.125189
min
1916.000000
7.000000
1.180000
2.180000e+02
1.620000e+02
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
5.000000e+00
1.000000
1.000000
1.600000
25%
1999.000000
93.000000
1.850000
6.000000e+06
5.340988e+06
7.000000
614.500000
281.000000
133.000000
1411.250000
0.000000
0.000000
8.599250e+03
65.000000
50.000000
5.800000
50%
2005.000000
103.000000
2.350000
2.000000e+07
2.551750e+07
49.000000
988.000000
595.000000
371.500000
3091.000000
166.000000
1.000000
3.437100e+04
156.000000
110.000000
6.600000
75%
2011.000000
118.000000
2.350000
4.500000e+07
6.230944e+07
194.750000
11000.000000
918.000000
636.000000
13758.750000
3000.000000
2.000000
9.634700e+04
326.000000
195.000000
7.200000
max
2016.000000
511.000000
16.000000
1.221550e+10
7.605058e+08
23000.000000
640000.000000
137000.000000
23000.000000
656730.000000
349000.000000
43.000000
1.689764e+06
5060.000000
813.000000
9.500000
Phương pháp mô tả hiển thị thông tin bên dưới cho mỗi cột.
số lượng hoặc số lượng giá trị nghĩa là độ lệch chuẩn tối thiểu, tối đa 25%, 50% và 75% lượng tử Xin lưu ý rằng thông tin này sẽ chỉ được tính cho các giá trị số.Chúng ta cũng có thể sử dụng phương thức tương ứng để truy cập thông tin này cùng một lúc. Ví dụ: để lấy giá trị trung bình của một cột cụ thể, bạn có thể sử dụng phương thức trung bình trên cột đó. nghĩa là độ lệch chuẩn tối thiểu, tối đa 25%, 50% và 75% lượng tử Xin lưu ý rằng thông tin này sẽ chỉ được tính cho các giá trị số.Chúng ta cũng có thể sử dụng phương thức tương ứng để truy cập thông tin này cùng một lúc. Ví dụ: để lấy giá trị trung bình của một cột cụ thể, bạn có thể sử dụng phương thức trung bình trên cột đó.
import pandas as pd
1
import pandas as pd
2
import pandas as pd
3
Cũng giống như trung bình, có các phương thức có sẵn cho mỗi thông tin thống kê mà chúng tôi muốn truy cập. Bạn có thể đọc về các phương pháp này trong bảng cheat Pandas miễn phí của chúng tôi.
Đọc tệp không có tiêu đề và bỏ qua hồ sơ
Trước đó trong hướng dẫn này, chúng tôi đã thấy một số cách để đọc một loại tệp Excel cụ thể có tiêu đề và không có hàng nào cần bỏ qua. Đôi khi, bảng tính Excel không có bất kỳ hàng tiêu đề nào. Đối với những trường hợp như vậy, bạn có thể yêu cầu Pandas không coi hàng đầu tiên là tên tiêu đề hoặc cột. Và nếu một vài hàng đầu tiên trong bảng tính Excel có chứa dữ liệu không nên đọc, bạn có thể yêu cầu phương thức read_excel bỏ qua một số hàng nhất định, bắt đầu từ đầu. Ví dụ: nhìn vào một vài hàng trên cùng của tệp Excel này. Ví dụ: nhìn vào một vài hàng trên cùng của tệp Excel này.
Tệp này rõ ràng không có tiêu đề và bốn hàng đầu tiên không phải là bản ghi thực và do đó không nên đọc. Chúng ta có thể nói với read_excel không có tiêu đề bằng cách đặt tiêu đề đối số thành Không có và chúng ta có thể bỏ qua bốn hàng đầu tiên bằng cách đặt bỏ qua đối số thành bốn.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db'
my_conn = create_engine("sqlite:///"+ my_path)
import pandas as pd
try:
query="SELECT * FROM student" # query to collect record
df = pd.read_sql(query,my_conn,index_col='id') # create DataFrame
print(df.head()) # Print top 5 rows as sample
df.to_excel('D:\student.xlsx') # create the excel file
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else:
print("DataFrame created successfully..")
2
0
1
2
3
4
5
6
7
8
9
…
15
16
17
18
19
20
21
22
23
24
0
Metropolis
1927
Drama|Sci-Fi
German
Germany
Not Rated
145
1.33
6000000.0
26435.0
…
136
23
18.0
203
12000
1
111841
413
260.0
8.3
1
Pandora’s Box
1929
Crime|Drama|Romance
German
Germany
Not Rated
110
1.33
…
9950.0
…
426
20
3.0
455
926
1
7431
84
71.0
8.0
2
Pandora’s Box
1929
Crime|Drama|Romance
NaN
The Broadway Melody
Musical|Romance
100
1.37
379000.0
2808000.0
…
77
28
4.0
109
167
8
4546
71
36.0
6.3
3
Pandora’s Box
1930
Crime|Drama|Romance
NaN
The Broadway Melody
Musical|Romance
96
1.20
3950000.0
…
…
431
12
4.0
457
279
1
3753
53
35.0
7.8
4
Pandora’s Box
1932
Crime|Drama|Romance
NaN
The Broadway Melody
Musical|Romance
79
1.37
800000.0
…
…
998
164
99.0
1284
213
1
3519
46
42.0
6.6
Pandora’s Box
Crime|Drama|Romance
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db'
my_conn = create_engine("sqlite:///"+ my_path)
import pandas as pd
try:
query="SELECT * FROM student" # query to collect record
df = pd.read_sql(query,my_conn,index_col='id') # create DataFrame
print(df.head()) # Print top 5 rows as sample
df.to_excel('D:\student.xlsx') # create the excel file
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else:
print("DataFrame created successfully..")
3
Title
Year
Genres
Language
Country
Content Rating
Duration
Aspect Ratio
Budget
Gross Earnings
…
Facebook Likes – Actor 1
Facebook Likes – Actor 2
Facebook Likes – Actor 3
Facebook Likes – cast Total
Facebook likes – Movie
Facenumber in posters
User Votes
Reviews by Users
Reviews by Crtiics
IMDB Score
0
Metropolis
1927
Drama|Sci-Fi
German
Germany
Not Rated
145
1.33
6000000.0
26435.0
…
136
23
18.0
203
12000
1
111841
413
260.0
8.3
1
Pandora’s Box
1929
Crime|Drama|Romance
German
Germany
Not Rated
110
1.33
…
9950.0
…
426
20
3.0
455
926
1
7431
84
71.0
8.0
2
Pandora’s Box
1929
Crime|Drama|Romance
NaN
The Broadway Melody
Musical|Romance
100
1.37
379000.0
2808000.0
…
77
28
4.0
109
167
8
4546
71
36.0
6.3
3
Pandora’s Box
1930
Crime|Drama|Romance
NaN
The Broadway Melody
Musical|Romance
96
1.20
3950000.0
…
…
431
12
4.0
457
279
1
3753
53
35.0
7.8
4
Pandora’s Box
1932
Crime|Drama|Romance
NaN
The Broadway Melody
Musical|Romance
79
1.37
800000.0
…
…
998
164
99.0
1284
213
1
3519
46
42.0
6.6
Pandora’s Box
Crime|Drama|Romance
NaN
The Broadway Melody
Title
Year
Genres
Language
Country
Content Rating
Duration
0
Aspect Ratio
1916
Budget
…
The Broadway Melody
Not Rated
123
1
…
1920
Pandora’s Box
…
The Broadway Melody
…
110
2
Pandora’s Box
1925
Crime|Drama|Romance
…
The Broadway Melody
Not Rated
151
3
Metropolis
1927
Drama|Sci-Fi
German
Germany
Not Rated
145
4
Pandora’s Box
1929
Crime|Drama|Romance
German
Germany
Not Rated
110
…
Pandora’s Box
Crime|Drama|Romance
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db'
my_conn = create_engine("sqlite:///"+ my_path)
import pandas as pd
try:
query="SELECT * FROM student" # query to collect record
df = pd.read_sql(query,my_conn,index_col='id') # create DataFrame
print(df.head()) # Print top 5 rows as sample
df.to_excel('D:\student.xlsx') # create the excel file
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else:
print("DataFrame created successfully..")
5
NaN Hãy để sử dụng phương pháp sot_values để sắp xếp dữ liệu theo cột mới mà chúng tôi đã tạo và trực quan hóa 10 bộ phim hàng đầu theo Thu nhập Net.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db'
my_conn = create_engine("sqlite:///"+ my_path)
import pandas as pd
try:
query="SELECT * FROM student" # query to collect record
df = pd.read_sql(query,my_conn,index_col='id') # create DataFrame
print(df.head()) # Print top 5 rows as sample
df.to_excel('D:\student.xlsx') # create the excel file
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else:
print("DataFrame created successfully..")
6
The Broadway Melody
Musical|Romance Trước tiên chúng ta cần xác định cột hoặc cột sẽ đóng vai trò là chỉ mục và (các) cột mà công thức tóm tắt sẽ được áp dụng. Hãy
bắt đầu từ nhỏ, bằng cách chọn Năm làm cột chỉ mục và Tổng thu nhập làm cột tóm tắt và tạo một DataFrame riêng từ dữ liệu này.
English
Year
Gross Earnings
0
1916.0
…
1
1920.0
3000000.0
2
1925.0
…
3
1927.0
26435.0
4
1929.0
9950.0
Pandora’s Box
Crime|Drama|Romance
Gross Earnings
Year
1916.0
…
1920.0
3000000.0
1925.0
…
1927.0
26435.0
1929.0
1408975.0
Pandora’s Box Chúng ta có thể sử dụng bảng xoay này để tạo một số trực quan hóa dữ liệu. Chúng ta có thể gọi phương thức cốt truyện trên DataFrame để tạo một biểu đồ dòng và gọi phương thức hiển thị để hiển thị cốt truyện trong sổ ghi chép.
Crime|Drama|Romance NaN
Country
Language
Gross Earnings
0
USA
NaN
NaN
1
USA
NaN
3000000.0
2
USA
NaN
NaN
3
Germany
German
26435.0
4
Germany
German
9950.0
Chúng tôi sẽ sử dụng các cột Quốc gia và Ngôn ngữ làm chỉ mục cho bảng trụ. Chúng tôi sẽ sử dụng Tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định rõ ràng điều này như chúng tôi đã thấy trước đó.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
1
Gross Earnings
Country
Language
Gross Earnings
USA
1.127331e+06
NaN
Germany
7.230936e+06
German
Chúng tôi sẽ sử dụng các cột Quốc gia và Ngôn ngữ làm chỉ mục cho bảng trụ. Chúng tôi sẽ sử dụng Tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định rõ ràng điều này như chúng tôi đã thấy trước đó.
1.007614e+07
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
1
Afghanistan
6.165429e+06
Dari
5.052950e+05
Argentina
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
2
Spanish
Aruba
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
3
English
Australia
Aboriginal
Dzongkha
Hãy để trực quan hóa bảng này với một cốt truyện thanh. Vì vẫn còn vài trăm bản ghi trong bảng xoay vòng này, chúng tôi sẽ chỉ vẽ một vài trong số chúng.
Language
Country
Xuất kết quả ra file Excel – Python Pandas Excel
Nếu bạn sẽ làm việc với các đồng nghiệp sử dụng Excel, việc lưu các tệp Excel ra khỏi Pandas là rất quan trọng. Bạn có thể xuất hoặc ghi một DataFrame của Pandas vào tệp Excel bằng phương pháp pandas to_excel. Pandas sử dụng mô-đun Python xlwt bên trong để ghi vào các tệp Excel. Phương thức to_excel được gọi trên DataFrame mà chúng tôi muốn xuất. Chúng tôi cũng cần truyền tên tệp mà DataFrame này sẽ được viết.
Theo mặc định, chỉ mục cũng được lưu vào tệp đầu ra. Tuy nhiên, đôi khi chỉ số này không cung cấp bất kỳ thông tin hữu ích nào. Ví dụ: DataFrame phim có chỉ mục tăng tự động số, không phải là một phần của dữ liệu Excel gốc.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
4
Gross Earnings
Title
Year
Genres
Content Rating
Duration
Aspect Ratio
Budget
…
Facebook Likes – Actor 2
Facebook Likes – Actor 3
Facebook Likes – cast Total
0
Facebook likes – Movie
1916.0
Facenumber in posters
NaN
USA
Germany
123.0
1.33
385907.0
NaN
Germany
22.0
9.0
481
691
1.0
10718
88.0
69.0
8.0
NaN
1
German
1920.0
Chúng tôi sẽ sử dụng các cột Quốc gia và Ngôn ngữ làm chỉ mục cho bảng trụ. Chúng tôi sẽ sử dụng Tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định rõ ràng điều này như chúng tôi đã thấy trước đó.
NaN
USA
NaN
110.0
1.33
100000.0
3000000.0
Germany
2.0
0.0
4
0
1.0
5
1.0
1.0
4.8
2900000.0
2
German
1925.0
Chúng tôi sẽ sử dụng các cột Quốc gia và Ngôn ngữ làm chỉ mục cho bảng trụ. Chúng tôi sẽ sử dụng Tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định rõ ràng điều này như chúng tôi đã thấy trước đó.
NaN
USA
Germany
151.0
1.33
245000.0
NaN
Germany
12.0
6.0
108
226
0.0
4849
45.0
48.0
8.3
NaN
3
German
1927.0
Chúng tôi sẽ sử dụng các cột Quốc gia và Ngôn ngữ làm chỉ mục cho bảng trụ. Chúng tôi sẽ sử dụng Tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định rõ ràng điều này như chúng tôi đã thấy trước đó.
German
Germany
Germany
145.0
1.33
6000000.0
26435.0
Germany
23.0
18.0
203
12000
1.0
111841
413.0
260.0
8.3
-5973565.0
4
German
1929.0
Chúng tôi sẽ sử dụng các cột Quốc gia và Ngôn ngữ làm chỉ mục cho bảng trụ. Chúng tôi sẽ sử dụng Tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định rõ ràng điều này như chúng tôi đã thấy trước đó.
German
Germany
Germany
110.0
1.33
NaN
9950.0
Germany
20.0
3.0
455
926
1.0
7431
84.0
71.0
8.0
NaN
German
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
5
Chúng tôi sẽ sử dụng các cột Quốc gia và Ngôn ngữ làm chỉ mục cho bảng trụ. Chúng tôi sẽ sử dụng Tổng thu nhập làm bảng tóm tắt, tuy nhiên, chúng tôi không cần chỉ định rõ ràng điều này như chúng tôi đã thấy trước đó. Chúng ta có thể sử dụng các tùy chọn đầu ra nâng cao này bằng cách tạo một đối tượng ExcelWriter và sử dụng đối tượng này để ghi vào tệp EXcel.
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
6
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
1
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
7
Afghanistan
from sqlalchemy import create_engine
from sqlalchemy.exc import SQLAlchemyError
my_path='G:\\My Drive\\testing\\my_db\\my_db.db' # update path
my_conn = create_engine("sqlite:///"+ my_path) # connection object
import pandas as pd
try:
df = pd.read_excel('D:\\student.xlsx') # create DataFrame by reading Excel
print(df.head()) # Print top 5 rows as sample
df.to_sql(con=my_conn,name='student3',if_exists='append') # create table.
except SQLAlchemyError as e:
#print(e)
error = str(e.__dict__['orig'])
print(error)
else: # show all records to confirm
r_set=my_conn.execute('SELECT * from student3');
for row in r_set:
print(row)
8
Dari
Argentina
Spanish
Aruba Mặt khác, Excel là một công cụ dữ liệu được sử dụng rộng rãi như vậy, nó không phải là một cách khôn ngoan để bỏ qua nó. Có được kiến thức chuyên môn trong cả Pandas và Excel và khiến chúng hoạt động cùng nhau mang lại cho bạn những kỹ năng có thể giúp bạn nổi bật trong tổ chức của mình.
EnglishNordic Coder– Trung tâm đào tạo lập trình hàng đầu với khoá học Data Analysis với Python.