市面上比较常用的数据库包括mysql, presto, hive, druid, kylin, spark, elasticsearch等，作为一名数据分析师，面对不同的数据库，是否有头麻的情况。别担心，使用python连接以上数据库，你只需要一招，5行代码即可。

对于大部分sqlboys和sqlgirls而言，只关心我的sql提交到以上数据库，返回给我一个pandas的dataframe即可。所以必要的输入包括sql和数据库连接信息(包括地址，port, 账号密码)即可。

from sqlachemy import create_engine import pandas as pd # 数据库连接地址engine = create_engine("mysql://root:123456@127.0.0.1:3306/database")# 用户要查询的sql sql = "select * from users limit 10"df = pd.read_sql_query(sql, engine)

presto

# prestouri = "presto://username:password@127.0.0.1:8080/database?source=pyhive"sql = "select * from users limit 10"df = pd.read_sql_query(sql, create_engine(uri))

# mysqluri = "mysql://root:123456@127.0.0.1:3306/database"sql = "select * from users limit 10"df = pd.read_sql_query(sql, create_engine(uri))

# druiduri = "druid://<User>:<password>@<Host>:<Port-default-9088>/druid/v2/sql"sql = "select count(*) from users where _time> TIME_SHIFT...."df = pd.read_sql_query(sql, create_engine(uri))

更多数据库连接方式:

数据库

示例

Apache Druid

druid://<User>:<password>@<Host>:<Port-default-9088>/druid/v2/sql

Apache Hive

hive://hive@{hostname}:{port}/{database}

Apache Kylin

kylin://<username>:<password>@<hostname>:<port>/<project>?<param1>=<value1>&<param2>=<value2>

Apache Spark SQL

hive://hive@{hostname}:{port}/{database}

ClickHouse

clickhouse://{username}:{password}@{hostname}:{port}/{database}

ElasticSearch

elasticsearch+http://{user}:{password}@{host}:9200/

Presto

presto://{user}@{host}:{port}/{database}?source={source}

MySQL

mysql://<UserName>:<DBPassword>@<Database Host>/<Database Name>

基本上市面上所有的数据库，只要该数据库支持sqlalchemy dialect和对应的python driver，都可以按照上面的套路去无脑操作。简单省心。

核心只需要一行代码即可：

df = pd.read_sql_query(sql, create_engine(uri))

关注我，每天一篇小技巧干货分享

评论区可留言问题，或者想学习的技巧。