[聚合文章] MySQL基础入门——MySQL与R语言、Python交互
MySQL作为z最为流行的关系型数据库管理平台之一，与绝大多数数据分析工具或者编程语言都有接口，今天这一篇分享如何将MySQL与R语言、Python进行连接。
R语言中与SQL管理平台通讯的接口包有很多，可以根据自己使用的数据库平台类型以及习惯，挑选合适的接口包。因为我个人笔记本使用的MySQL平台，所以本篇仅以MySQL为例分享。（如果你需要其他平台的接口导入方案，可以直接在csdn博客上搜关键字，有很多博客资料可以参考）。
我习惯使用的接口包是RMySQL，里面的核心函数主要涉及数据库连接，数据读写，数据查询三个方面，以下是三个方面的内容实例。
R与数据库的连接： library(“RMySQL”)
library(“magrittr”)
数据库连接语句：
conn <- dbConnect( MySQL(), #数据库平台类型 dbname=”db1”, #数据库名称 username=”root”, #登录账号（MySQL初始安装时设置的账号） password=”**“, #登录密码（MySQL初始安装时设置的密码） host=”127.0.0.1”, #地址 port=3306 #端口号 )summary(conn) #查看连接信息：User: root Host: 127.0.0.1 Dbname: db1 Connection type: 127.0.0.1 via TCP/IPdbGetInfo(conn) #查看连接详细信息（列表形式） $host‘127.0.0.1’$user‘root’$dbname‘db1’$conType‘127.0.0.1 via TCP/IP’$serverVersion‘5.7.17-log’$protocolVersion10$threadId11$rsId dbListTables(conn) #查看该数据库连接内的表信息 ‘birthdays’ ‘company’ ‘dataanalyst’ ‘foodranking’ ‘foodtypes’ ‘orderinfo’ ‘str_date’ ‘userinfo’dbDisconnect(conn) #关闭连接(数据通讯完成之后再运行)R语言与MySQL数据库读写：(mydata <- iris)dbWriteTable( conn = conn, #连接名称 name = "mydata", #指定导入后的表名 value = iris, #指定要导入的R内存空间数据对象 row.names = FALSE #忽略行名 ) #写表dbListTables(conn)'birthdays' 'company' 'dataanalyst' 'foodranking' 'foodtypes' 'mydata' 'orderinfo' 'str_date' 'userinfo'mydata1 <- dbReadTable( conn = conn, #连接名称 name = "mydata" #数据库中的表名 ) #读表 head(mydata1,10) 
以上读写都是一次性操作，不能在读写的同时执行条件筛选等步骤，通常我们需要使用查询方式来获取指定条件的数据并返回数据框。
result1 <- dbSendQuery(conn = conn, statement = "SELECT * from mydata where `Sepal.Length` between 4 and 5 and Species = 'setosa' " #查询条件 ) %>% dbFetch() #将查询结果返回数据框head(result1,10)dbClearResult(result1) #清除查询(释放内存)这一句清除的是查询，即上一句中的dbSendQuery部分（布包含后面的dbFetch，我只是为了方便一次性输出了）。
dbRemoveTable(conn,"mydata") #删除表 dbListTables(conn) 'birthdays' 'company' 'dataanalyst' 'foodranking' 'foodtypes' 'orderinfo' 'str_date' 'userinfo'dbDisconnect(conn) #断开连接Python:
Python与MySQL连接：
from sklearn.datasets import load_irisimport pandas as pd from sqlalchemy import create_engineimport MySQLdbconn=MySQLdb.connect( host="localhost", #地址 user="root", #登录名（同上） passwd="******", #登录密码（同上） db="db1", #要连接的数据库名称 charset="utf8" #声明数据编码 )engine = create_engine('mysql+mysqldb://root:password@localhost:3306/db1?charset=utf8')#使用 sqlalchemy接口连接连接Python与MySQL数据读写操作：
Pandas库中有封装过的数据读写函数，可以直接针对连接后的数据进行数据读写，非常方便。
iris = load_iris()mydata = pd.DataFrame( iris.data[:,:], columns=['sepal_length','sepal_width','petal_length','petal_width'] )mydata.head(10)#将数据框直接写入MySQLmydata.to_sql( name = "iris", con = engine )#直接读取MySQL中的表：mydata1 = pd.read_sql_table( table_name= "str_date", con =engine )#通过查询过滤条件获取表数据：mydata1 = pd.read_sql_query( sql = "SELECT * from iris where sepal_length between 4 and 5 and petal_width != 0.2 ", con =engine ) 
你可以通过以上MySQLlb接口建立的连接来执行查询操作！
cursor = conn.cursor() #获取操作游标 sql = "SELECT * from iris where sepal_length between 4 and 5 and petal_width != 0.2"cursor.execute(sql) # 使用execute方法执行SQL语句cursor.fetchall() #获取查询数据cursor.close() # 关闭游标conn.close() # 关闭数据库连接 
总觉得MySQLlb的接口使用起来过于复杂，不直观，输出数据也不友好，还好pandas支持sqlalchemy的链接，使用pandas里面的函数可以基本满足写表、读表、执行查询的需要。
以上仅仅是MySQL与R语言、Python交互的基础函数，当然还有更为复杂的增删以及插入命令，如果需要了解详细内容可以参考RMySQL、sqlalchemy库的官方文档。
在线课程请点击文末原文链接：
Hellobi Live | R语言可视化在商务场景中的应用
往期案例数据请移步本人GitHub： https://github.com/ljtyduyu/DataWarehouse/tree/master/File
