学习自：pandas.read_sql — pandas 1.2.4 documentation
(10条消息) pd.read_sql()参数详解_pandas.read_csv()参数详解-CSDN博客
用法
pd.read_sql( sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None )
说明
将一个SQL查询结果或者数据库表读入到DataFrame中。
这个函数是pandas.read_sql_table()、pandas.read_sql_query()更方便的封装，这两个函数可以在本文开头所写的文档中查询到，这里不再多说。
至于这个函数的作用具体跟哪个函数相同，取决于输入参数——如果传入一个SQL语句，则相当于执行read_sql_query，如果传入一个datebase table，则相当于执行read_sql_table。不过，之前所说的两个函数中会有某些更详细的功能，这里没有列出，如果需要可以去之前两个函数中查看。
参数
| 参数 | 类型 | 说明 |
| sql | str或SQLAlchemy Selectable | 需要执行的SQL查询语句或数据库表名 |
| con | SQLAlchemy connectable,str,sqlite3 connection | 数据库连接的engine，一般可用于SQLAlchemy或pymysql之类的包建立 |
| index_col | str或str list | index列 |
| coerce_float | bool | 将数字形式的String转换为float读入 |
|
parse_dates |
list、dict |
将某一列日期型String转换为datetime类型，与pd.to_datetime()函数功能类似。 可以直接提供一个列名list，表示以默认format转换这些列 也可以用dict {column1 : format1, c2 : f2 , ...}将指定的列c转换为对应的格式f，一个format例子为"%Y:%m:%H:%M:%S"
|
| params | list、tuple、dict | |
| columns | list | 要选取的列；一般没用，因为SQL中一般选定了要选择的列了 |
| chunksize | int | 如果选定该项并给出一个int值；那么每次会返回一个generator，每次迭代输出的行数是该值 |
返回
DataFrame 或 Iterator（如果指定chunksize）
例子
import pandas as pd import pymysql con = pymysql.connect(host="localhost", user="guest",password="password", db="db1",charset = "utf8",port=3333 ) sql=‘SELECT * FROM table1 LIMIT 82000,1000‘ df = pd.read_sql(sql,con)