目录

一、读取MDB数据

二、转化为Dataframe数据格式

三、导入SQL server

---

一、读取MDB数据  

import pypyodbc
p_path = r'专题3.3 结构化信息采集data贷款利率.mdb'
connStr = 'Driver={Microsoft Access Driver (*.mdb, *.accdb)};DBQ='+p_path+';'
conn = pyodbc.connect(connStr)  # 链接数据库

二、转化为Dataframe数据格式

            read_sql()官方文档pandas.read_sql - 熊猫 1.3.3 文档 (pydata.org)https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_sql.html

import numpy as np
import pandas as pd
dfTable = pd.read_sql("SELECt * FROM "+table_name, conn)
conn.close()  # 关闭数据库
print(dfTable)

 

 

三、导入SQL server

        1、获取SQL server连接

from sqlalchemy import create_engine
#得到数据库链接
conn = create_engine('mssql+pymssql://用户名:密码@服务器:端口/数据库')

        2、导入数据

import pandas as pd
#将dataframe数据直接导入SQL server
dfTable.to_sql(name='python-贷款利率', con=conn, if_exists='replace', index=False)
conn.dispose()

四、完整代码

import pypyodbc
import pandas as pd
import numpy as np
from sqlalchemy import create_engine
p_path = r'专题3.3 结构化信息采集data贷款利率.mdb'
connStr = 'Driver={Microsoft Access Driver (*.mdb, *.accdb)};DBQ='+p_path+';'
conn = pyodbc.connect(connStr)  # 链接数据库

dfTable = pd.read_sql("SELECt * FROM "+table_name, conn)
conn.close()  # 关闭数据库

#得到SQL server数据库链接
conn = create_engine('mssql+pymssql://sa:123@127.0.0.1:1434/BOOK')
#将dataframe数据直接导入SQL server
dfTable.to_sql(name='python-贷款利率1', con=conn, if_exists='replace', index=False)
conn.dispose()