Stocker un DataFrame dans une base de données SQL avec to_sql()

Fonctions :

• to_sql()

  La méthode to_sql() de pandas permet d'envoyer un DataFrame directement dans une table d'une base de données SQL. Cela facilite l'intégration des données de pandas avec les bases de données relationnelles sans avoir à écrire des requêtes SQL manuellement.

  Importation :

  import pandas as pd
  from sqlalchemy import create_engine

  Attributs :

  • 'nom_de_table' : Le nom de la table dans la base de données où le DataFrame sera stocké.
  • con=engine : L'engine de connexion à la base de données créé avec SQLAlchemy. C'est l'argument qui spécifie la connexion à la base de données.
  • index=False : Cette option permet de spécifier si l'index du DataFrame doit être écrit comme une colonne dans la table. False signifie que l'index ne sera pas stocké comme colonne.
  • if_exists='replace' : Ce paramètre détermine ce qui se passe si la table existe déjà :
    • 'replace' : Remplace la table existante.
    • 'append' : Ajoute les données à la table existante sans la remplacer.
    • 'fail' : Lève une erreur si la table existe déjà.

  Exemple de code :

  import pandas as pd
  from sqlalchemy import create_engine
  
  # Exemple de DataFrame
  data = {'col1': [1, 2, 3], 'col2': ['A', 'B', 'C']}
  df = pd.DataFrame(data)
  
  # Créer une connexion à la base de données SQLite
  engine = create_engine('sqlite:///base_de_donnees.db')
  
  # Stocker le DataFrame dans la table 'ma_table' de la base de données
  df.to_sql('ma_table', con=engine, index=False, if_exists='replace')

  Explication du code :

  
  
   	
  DataFrame (df) : Un petit DataFrame est créé avec deux colonnes (col1 et col2).
   	
  Engine SQLite : Une connexion à une base de données SQLite est établie.
   	
  Stockage dans SQL : Le DataFrame df est stocké dans la table ma_table de la base de données base_de_donnees.db. Si la table existe déjà, elle sera remplacée.