sparksql dataframe变成csv保存_【干货】短短几行代码将数据保存CSV和MySQL

分享写入csv文件和写入mysql的方法，编码工作我一向追求代码的简单性，今天分享的也不例外

数据我就按比较常见的列表嵌套字典来演示了，这种数据结构也是在各个场景下经常用到的数据结构[{},{},{}…]

import pandas as pd
data = [
       {"name":"张三","age":18,"city":"北京"},
       {"name":"李四","age":19,"city":"上海"},
       {"name":"王五","age":20,"city":"广州"},
       {"name":"赵六","age":21,"city":"深圳"},
       {"name":"孙七","age":22,"city":"武汉"}
]

用pandas将数据转换成行列Dataframe数据类型

df = pd.DataFrame(data,columns=["name","age","city"])
print(df)

  name  age  city
0   张三   18   北京
1   李四   19   上海
2   王五   20   广州
3   赵六   21   深圳
4   孙七   22   武汉

一、保存CSV

用to_csv方法仅需一行代码即可保存成功

注意事项：

1、一般情况下我们用utf-8编码进行保存，如果出现中文编码错误，则可以依次换用gbk，gb2312 , gb18030，一般总能成功的，本例中用gbk

2、to_csv方法，具体参数还有很多，可以去看官方文档，这里提到一个index = False参数，表示保存csv的时候，我们不保存pandas 的Data frame的行索引1234这样的序号，默认情况不加的话是index = True，会有行号（如下图），这点在保存数据库mysql的时候体现尤其明显，不注意的话可能会出错

二、保存msyql

from sqlalchemy import create_engine
 
db_flag = "mysql"
host_ip = "127.0.0.1"
host_port = 3306
db_name = "centos_test"
table_name = "aaa"
user = "root"
pawd = "123456789"
charset = "utf-8"
 
engine_config = '%s%s%s%s%s%s%s%s%s%s%s' % ('mysql+pymysql://', user, ':', pawd, '@', host_ip, ':',host_port, '/', db_name,'?charset=utf8')
print(engine_config)
engine = create_engine(engine_config)
conn = engine.connect()
df.to_sql( table_name, conn, if_exists='append',index=False)

上面代码已经实现将我们构造的df数据保存MySQL，现在提一些注意点

注意事项：

1、我们用的库是sqlalchemy，官方文档提到to_sql是被sqlalchemy支持

文档地址：

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.to_sql.html

2、数据库配置用你自己的数据库配置，db_flag为数据库类型，根据不同情况更改，在保存数据之前，要先创建数据库字段，下图是我这边简单创建的字段

3、engine_config为数据库连接配置信息，按照我上面的方式构造就行了打印出来如下图

mysql+pymysql://root:123456789@127.0.0.1:3306/centos_test?charset=utf8

4、create_engine是根据数据库配置信息创建连接对象

5、if_exists = 'append',追加数据

6、index = False 保存时候，不保存df的行索引，这样刚好df的3个列和数据库的3个字段一一对应，正常保存，如果不设置为false的话，数据相当于4列，跟MySQL 3列对不上号，会报错

这里提个小问题，比如我们想在遍历的时候来一条数据，保存一条，而不是整体生成Dataframe后才保存，该怎么做？上面提到if_exists，可以追加，用这个即可实现，包括保存csv同样也有此参数，可以参考官方文档