Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中read_sql_query方法的使用。

pandas.read_sql_query(sql，con，index_col = None，coerce_float = True，params = None，parse_dates = None，chunksize = None)

将SQL查询读入DataFrame。

返回与查询字符串的结果集对应的DataFrame。（可选）提供index_col参数以使用其中一列作为索引，否则将使用默认整数索引。

参数：

sql：string SQL查询或SQLAlchemy Selectable（select或文本对象）要执行的SQL查询。

con：SQLAlchemy可连接（引擎/连接），数据库字符串URI，或sqlite3 DBAPI2连接使用SQLAlchemy可以使用该库支持的任何数据库。如果是DBAPI2对象，则仅支持sqlite3。

index_col：字符串或字符串列表，可选，默认值：无

要设置为索引的列（MultiIndex）。

coerce_float：boolean，默认为True

尝试将非字符串，非数字对象（如decimal.Decimal）的值转换为浮点值。

对SQL结果集很有用。

params：list，tuple或dict，optional，default：None

要传递给执行方法的参数列表。用于传递参数的语法取决于数据库驱动程序。

检查数据库驱动程序文档，

了解PEP 249的paramstyle中描述的五种语法样式中的哪一种。例如,对于psycopg2，使用%(name)s，所以使用params = {'name'：'value'}

parse_dates：list或dict，默认值：None

要解析为日期的列名列表。

{column_name: format string}格式的字典，其中，格式字符串在解析字符串时间时是与strftime兼容的，或者在解析整数时间戳时是(D、s、ns、ms、us)兼容的。

{column_name: arg dict}格式的字典，其中arg dict对应于关键字参数,特别适用于没有本机Datetime支持的数据库，

例如SQLite。pandas.to_datetime()

chunksize：int，默认无

如果指定，则返回一个迭代器，其中chunksize是要包含在每个块中的行数。

返回：

数据帧

例如，

import MySQLdb
conn= MySQLdb.connect(host='myhost',port=3306,user='myusername', passwd='mypassword', 
                db='information_schema')
sql ="""
      SELECT
	danceability, energy, loudness, speechiness, acousticness,
	instrumentalness, liveness, valence, tempo, activity
      FROM songs s, users u, song_user su
      WHERE
	activity IS NOT NULL AND
	s.id = su.song_id AND
	su.user_id = u.id AND
	u.telegram_user_id = {}
""".format(telegram_id)
df_mysql = pd.read_sql_query(sql, conn)
conn.close()