与从事分析工作的人交谈，他们会告诉你他们对Excel的爱恨情仇：
Excel能做很多事情；当涉及到更大的数据集时，这简直是一种痛苦。数据需要很长时间才能加载，在你意识到机器的内存耗尽之前，整个事情就变得无法管理了。更不用说Excel最多只能支持1,048,576行。
如果有一种简单的方法，那就是将数据传输到SQL数据库中进行分析。这就是Python拯救世界的方式。
Python中的SQL
首先，让我们研究一下在Python中使用SQL时最流行的选项:MySQL和SQLite。
MySQL有两个流行的库:PyMySQL和MySQLDb;而SQLite有SQLite3。
SQLite就是所谓的嵌入式数据库，这意味着它在我们的应用程序中运行，因此不需要先在某个地方安装它(不像MySQL)。
这是一个重要的区别;在我们寻求快速数据分析的过程中起着关键作用。因此，我们将继续学习如何使用SQLite。
在Python中设置SQLite
我们需要做的第一件事是导入库：
- import sqlite3
然后，我们需要确定是否要在任何地方保存这个数据库，还是在应用程序运行时将它保存在内存中。
如果决定通过导入任何数据来实际保存数据库，那么我们必须给数据库一个名称，例如' FinanceExplainedDb '，并使用以下命令：
- dbname = 'FinanceExplainedDb'
- conn = sqlite3.connect(dbname + '.sqlite')
另一方面，如果我们想把整个东西保存在内存中，并在完成后让它消失，我们可以使用以下命令：
- conn = sqlite3.connect(':memory:')
至此，SQLite已经全部设置好，可以在Python中使用了。假设我们在Table 1中加载了一些数据，我们可以用以下方式执行SQL命令：
- cur = conn.cursor()
- cur.execute('SELECT * FROM Table1')
- for row in cur:
- print(row)
现在让我们探索如何通过使用pandas的应用程序使数据可用。
使用pandas加载数据
假设我们已经有了数据，我们想要进行分析，我们可以使用Pandas库来做这件事。
首先，我们需要导入pandas库，然后我们可以加载数据：
- import pandas as pd
- #if we have a csv file
- df = pd.read_csv('ourfile.csv')
- #if we have an excel file
- df = pd.read_excel('ourfile.xlsx')
一旦我们加载数据，我们可以把它直接放入我们的SQL数据库与一个简单的命令：
- df.to_sql(name='Table1', con=conn)
如果在同一个表中加载多个文件，可以使用if_exists参数：
- df.to_sql(name='Table1', con=conn, if_exists='append')
在处理较大的数据集时，我们将无法使用这个单行命令来加载数据。我们的应用程序将耗尽内存。相反，我们必须一点一点地加载数据。在这个例子中，我们假设每次加载10,000行：
- chunksize = 10000
- for chunk in pd.read_csv('ourfile.csv', chunksizechunksize=chunksize):
- chunk.to_sql(name='Table1', con=conn, if_exists='append')
把所有的东西放在一起
为了将所有内容综合起来，我们提供一个Python脚本，它涵盖了我们讨论的大部分内容。
- import sqlite3, pandas as pd, numpy as np
- #####Creating test data for us -- you can ignore
- from sklearn import datasets
- iris = datasets.load_iris()
- df1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']], columns= iris['feature_names'] + ['target'])
- df1.to_csv('TestData.csv',index=False)
- ###########################
- conn = sqlite3.connect(':memory:')
- cur = conn.cursor()
- chunksize = 10
- for chunk in pd.read_csv('TestData.csv', chunksizechunksize=chunksize):
- chunkchunk.columns = chunk.columns.str.replace(' ', '_') #replacing spaces with underscores for column names
- chunk.to_sql(name='Table1', con=conn, if_exists='append')
- cur.execute('SELECT * FROM Table1')
- names = list(map(lambda x: x[0], cur.description)) #Returns the column names
- print(names)
- for row in cur:
- print(row)
- cur.close()
