鑑於使用mysql的時候，在查詢和儲存資料主要是用dataframe的格式

查詢操作如果使用cursor沒有辦法一步得到dataframe，如果使用pd.read_sql()或者read_sql_table（）操作會更方便，在這裡我使用read_sql()。插入的時候使用pd.io.sql.to_sql（）函式能夠直接將dataframe放入資料庫，更加便捷，具體的操作如下，所需要的包在程式碼中體現：

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import pymysql
from sqlalchemy import create_engine#一個sql操作的引擎 很重要

########數    據   庫   查   詢   存   儲   操   作   實   驗###########

# 開啟資料庫連線
db = pymysql.connect("localhost", "root", "自己的密碼", "database",3306)
#conn = create_engine('mysql+mysqldb://root:
 
[email protected]:3306/databasename?charset=utf8')  示例
conn = create_engine('mysql+pymysql://root:自己的密碼@localhost:3306/database?charset=utf8')
#現在普遍是pymysql引擎 如果是python3.4一下或者python2的可以使用mysqldb替換
cursor=db.cursor()

sql="select * from flow_data limit 10"
df=pd.read_sql(sql,db)
print(df.index)

sql2="truncate table predict_flow_data"

cursor.execute(sql2)
#注意此操作不能插入大的的dataframe，所以適當的適合需要分片處理
#注意可以用df.to_sql 二者都可以，我認為pd.io.sql.to_sql()更靈活
#pd.io.sql.to_sql(df, "predict_flow_data",con=conn,if_exists='append',index=False)
df.to_sql(name="predict_flow_data",con=conn,if_exists='append',index=False)