41

我在 pandas DataFrame 中有一个从 Yahoo 提取的股票市场数据列表（请参见下面的格式）。日期用作 DataFrame 中的索引。我想将数据（包括索引）写入 SQLite 数据库。

             AAPL     GE
Date
2009-01-02  89.95  14.76
2009-01-05  93.75  14.38
2009-01-06  92.20  14.58
2009-01-07  90.21  13.93
2009-01-08  91.88  13.95

根据我对 Pandas 的 write_frame 代码的阅读，它目前不支持编写 index。我尝试改用 to_records ，但遇到了Numpy 1.6.2 和 datetimes 的问题。现在我正在尝试使用 .itertuples 编写元组，但 SQLite 会引发不支持数据类型的错误（请参见下面的代码和结果）。我对 Python、Pandas 和 Numpy 比较陌生，所以我完全有可能遗漏了一些明显的东西。我想我在尝试将日期时间写入 SQLite 时遇到了问题，但我认为我可能过于复杂了。

我想我可以通过升级到 Numpy 1.7 或 Pandas 的开发版本来解决这个问题，它在 GitHub 上发布了一个修复程序。我更喜欢使用软件的发布版本进行开发——我是新手，我不希望稳定性问题进一步混淆问题。

有没有办法使用 Python 2.7.2、Pandas 0.10.0 和 Numpy 1.6.2 来实现这一点？也许以某种方式清理日期时间？我有点不知所措，任何帮助将不胜感激。

代码：

import numpy as np
import pandas as pd
from pandas import DataFrame, Series
import sqlite3 as db

# download data from yahoo
all_data = {}

for ticker in ['AAPL', 'GE']:
    all_data[ticker] = pd.io.data.get_data_yahoo(ticker, '1/1/2009','12/31/2012')

# create a data frame
price = DataFrame({tic: data['Adj Close'] for tic, data in all_data.iteritems()})

# get output ready for database export
output = price.itertuples()
data = tuple(output)

# connect to a test DB with one three-column table titled "Demo"
con = db.connect('c:/Python27/test.db')
wildcards = ','.join(['?'] * 3)
insert_sql = 'INSERT INTO Demo VALUES (%s)' % wildcards
con.executemany(insert_sql, data)

结果：

---------------------------------------------------------------------------
InterfaceError                            Traceback (most recent call last)
<ipython-input-15-680cc9889c56> in <module>()
----> 1 con.executemany(insert_sql, data)

InterfaceError: Error binding parameter 0 - probably unsupported type.
4

4 回答 4

58

在最近的 pandas 中，索引将保存在数据库中（您以前必须reset_index先保存）。

按照文档（在内存中设置 SQLite 连接）：

import sqlite3
# Create your connection.
cnx = sqlite3.connect(':memory:')

注意：您也可以在此处传递 SQLAlchemy 引擎（请参阅答案末尾）。

我们可以保存price2到cnx：

price2.to_sql(name='price2', con=cnx)

我们可以通过以下方式检索read_sql：

p2 = pd.read_sql('select * from price2', cnx)

但是，当存储（和检索）日期时，unicode而不是Timestamp. 要转换回我们开始的内容，我们可以使用pd.to_datetime：

p2.Date = pd.to_datetime(p2.Date)
p = p2.set_index('Date')

我们得到与以下相同的 DataFrame prices：

In [11]: p2
Out[11]: 
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1006 entries, 2009-01-02 00:00:00 to 2012-12-31 00:00:00
Data columns:
AAPL    1006  non-null values
GE      1006  non-null values
dtypes: float64(2)

您还可以使用SQLAlchemy 引擎：

from sqlalchemy import create_engine
e = create_engine('sqlite://')  # pass your db url

price2.to_sql(name='price2', con=cnx)

这允许您使用read_sql_table（只能与 SQLAlchemy 一起使用）：

pd.read_sql_table(table_name='price2', con=e)
#         Date   AAPL     GE
# 0 2009-01-02  89.95  14.76
# 1 2009-01-05  93.75  14.38
# 2 2009-01-06  92.20  14.58
# 3 2009-01-07  90.21  13.93
# 4 2009-01-08  91.88  13.95
于 2013-01-21T05:07:41.777 回答
19

不幸的是，pandas.io.write_frame关于当前接受的答案，在最新版本的 Pandas 中不再存在。例如，我使用的是 pandas 0.19.2。你可以做类似的事情

from sqlalchemy import create_engine

disk_engine = create_engine('sqlite:///my_lite_store.db')
price.to_sql('stock_price', disk_engine, if_exists='append')

然后依次使用以下内容预览您的表格：

df = pd.read_sql_query('SELECT * FROM stock_price LIMIT 3',disk_engine)
df.head()
于 2017-04-06T15:56:38.727 回答
13

下面是对我有用的代码。我能够将它写入 SQLite DB。

import pandas as pd
import sqlite3 as sq
data = <This is going to be your pandas dataframe>
sql_data = 'D:\\SA.sqlite' #- Creates DB names SQLite
conn = sq.connect(sql_data)
cur = conn.cursor()
cur.execute('''DROP TABLE IF EXISTS SA''')
data.to_sql('SA', conn, if_exists='replace', index=False) # - writes the pd.df to SQLIte DB
pd.read_sql('select * from SentimentAnalysis', conn)
conn.commit()
conn.close()
于 2018-12-07T19:30:32.367 回答
0

sqlite3 的最小示例

基于Keertesh Kumar 的回答。

将df写入sqlite

import pandas as pd
import sqlite3 as sq

df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
table_name = "test" # table and file name

conn = sq.connect('{}.sqlite'.format(table_name)) # creates file
df.to_sql(table_name, conn, if_exists='replace', index=False) # writes to file
conn.close() # good practice: close connection

读取 sqlite 到 df

conn = sq.connect('{}.sqlite'.format(table_name))
df = pd.read_sql('select * from {}'.format(table_name), conn)
conn.close()
于 2022-02-24T09:26:45.223 回答