Python Pandas kullanarak MySQL veritabanından veri çekme işlemi nasıl yapılır? İşte adım adım anlatım! Bu makalede, Python ve Pandas kütüphaneleri kullanarak MySQL veritabanından veri nasıl alınır öğreneceksiniz Veritabanı bağlantısını kurmak, sorgu yazmak ve sonuçları DataFrame olarak işlemek için gerekli kodları adım adım öğrenin!
Python Pandas, veri manipülasyonu ve analizi için popüler bir araçtır. Bu makalede, Python Pandas kullanarak MySQL veritabanından veri çekmek için adım adım yönergeler verilecektir.
Pandas, iki ana veri yapıları olan Seriler ve DataFrame'ler üzerinde çalışır ve veri manipülasyonu için birçok işlevsel araç sağlar. MySQL veritabanından veri çekmek için Pandas'ın bu yetenekleri oldukça yararlıdır.
Bu makale, MySQL Connector / Python sürücüsünün kullanımını içerecek ve MySQL veritabanından veri çekmek için Python Pandas'ın nasıl kullanılacağını aşamalı olarak açıklayacaktır.
MySQL Veritabanı Bağlantısı Oluşturma
Python Pandas kullanarak MySQL veritabanından veri çekmenin ilk adımı veritabanı bağlantısı oluşturmaktır. Bu bağlantı için, MySQL Connector / Python sürücüsünü kullanabiliriz. Sürücü, MySQL veritabanındaki verileri Python ortamına aktarmayı sağlayan bir arabirim sağlar.
Bir veritabanı bağlantısı oluşturmak için, mysql.connector modülünü yükleyerek başlayabiliriz. Daha sonra, aşağıdaki adımları izleyerek bağlantıyı oluşturabiliriz:
- Bir bağlantı nesnesi oluşturun, bağlantı bilgileriyle birlikte
- Bağlantıyı açın
- Bir sorgu yürütün
- Verileri alın ve bağlantıyı kapayın
Örneğin, 'test' adlı bir veritabanına bağlanmak istediğimizde, aşağıdaki kodu kullanabiliriz:
import mysql.connectorfrom mysql.connector import Errortry: connection = mysql.connector.connect(host='localhost', database='test', user='root', password='password') if connection.is_connected(): db_Info = connection.get_server_info() print("Bağlantı kuruldu. MySQL veritabanı sürümü: ", db_Info) except Error as e: print("Hata", e) |
Bu kodda, host, database, user ve password parametreleri, oluşturmak istediğimiz bağlantıya göre değiştirilmelidir. Bağlantı gerçekleştikten sonra, MySQL veritabanındaki verileri çekmek için Pandas DataFrame'e aktarmanın bir sonraki adımı başlar.
MySQL Verilerinin Pandas DataFrame'e Aktarılması
Bağlantı oluşturulduktan sonra, MySQL veritabanı içerisindeki verileri Pandas DataFrame'e aktarma işlemi oldukça basittir. Bu işlem için, "read_sql" yöntemi kullanılır. "read_sql", Pandas tarafından sağlanan işlevsellikler arasında yer alan bir yöntemdir. Bu yöntem, belirli bir SQL sorgusuyla MySQL veritabanından veri çeker ve geri döndürür.
Bu yöntemin kullanımı oldukça basittir. İlk olarak, sorgulama işlemini gerçekleştireceğimiz "query" değişkenini belirliyoruz. Ardından, "read_sql" yöntemini kullanarak sorguyu çalıştırıyoruz. Bu işlem sonucunda, verilerimiz bir Pandas DataFrame'inde saklanmış olacak.
| import pandas as pd |
| import mysql.connector as mysql |
| db = mysql.connect(host="localhost", user="root", password="12345", database="SampleDB") |
| query = "SELECT * FROM customers" |
| df = pd.read_sql(query, db) |
Bu örnekte, "customers" tablosundaki tüm veriler bir Pandas DataFrame'e aktarılır. "query" değişkeni, MySQL veritabanından veri çekmek için kullanılan SQL sorgusudur. "read_sql" yöntemi, bağlantı nesnesini ve sorguyu kullanarak DataFrame'e veri aktarır.
Pandas DataFrame, veri manipülasyonu yapmak için kullanılan birçok yöntem içerir. Bu yöntemler ile verilerinizi analiz edebilir ve istediğiniz şekilde manipüle edebilirsiniz. Verilerinizi görselleştirmek için de birçok seçenek mevcuttur.
Sorgu İşleme
MySQL verilerini çekmek, yalnızca belirli bir veri kümesine ihtiyaç duyduğunuzda gerçekten kullanışlıdır. Bu nedenle, sorgulama işlemi oldukça önemlidir. Pandas'ın read_sql_query() yöntemi kullanılarak sorgu işlemi yapılabilir.
Örneğin, bir müşteri veritabanında bir orders tablosu olduğunu varsayalım. Sadece Son bir ay içindeki siparişleri almak istediğimizde, SQL sorgumuz şöyle olabilir:
| SQL Sorgusu: | SELECT * FROM orders WHERE order_date > DATE_SUB(NOW(), INTERVAL 1 MONTH) |
|---|
Ve bu sorgudan verileri çekmek için Python kodumuz şöyle olabilir:
import pandas as pdimport mysql.connector# MySQL veritabanına bağlanmacnx = mysql.connector.connect(user='username', password='password', host='hostname', database='database_name')# Verilerin getirilmesidf = pd.read_sql_query('SELECT * FROM orders WHERE order_date > DATE_SUB(NOW(), INTERVAL 1 MONTH)', con=cnx)# Veritabanı bağlantısını kapatmacnx.close()# Gelen verileri yazmaprint(df) Bu örnekte, mysql.connector kullanarak MySQL veritabanına bağlanırız ve pd.read_sql_query() yöntemi kullanarak sorguyu yürütürüz. Pandas DataFrame'e alınan veriler daha sonra ekrana yazdırılır.
Veri Manipülasyonu
Pandas DataFrame, veri manipülasyonu için oldukça güçlü bir araçtır. Çekilen verilerin manipüle edilmesi için kullanabileceğimiz birçok yöntemi vardır. Bu bölümde, kullanılabilecek Pandas DataFrame yöntemlerinin bazıları ele alınacaktır.
- Verileri Filtreleme: Pandas DataFrame, belirli koşulları karşılayan verileri seçmek için kullanılabilir. Örneğin, belirli bir tarihten sonraki satışları seçebiliriz.
- Verileri Sıralama: Verileri belirli bir sütuna göre artan veya azalan şekilde sıralayabiliriz. Bu geçerli bir sıralama olsa da, birden fazla sütuna göre sıralama yapmak da mümkündür.
- Sütunlar ve Satırlar: Verilerin sütunlarını veya satırlarını seçebiliriz. Bu, belirli bir veri kümesi ile çalışırken sadece ilgili sütunları veya satırları seçmek istediğimizde faydalıdır.
- Verileri Gruplama: Pandas DataFrame, verilerimizi bir sütuna göre gruplamamızı sağlar. Bu, benzer verilere sahip olanları bir arada çalıştığımızda yararlıdır.
- Değerleri Değiştirme: Seçtiğimiz verilerin değerlerini kolayca değiştirebiliriz. Bu, belirli bir koşula göre verileri güncellemek istediğimizde faydalıdır.
Bu yöntemlerin hepsi, verilerimizi daha güçlü ve işlevsel hale getirmemize yardımcı olabilir.
Veri Görselleştirme
Veri görselleştirme, sadece veriyi daha anlaşılır hale getirmekle kalmaz, aynı zamanda daha etkili bir şekilde sunar. Pandas, verileri görselleştirmek için birçok yararlı yöntem sunar. Bu yöntemler, verileri çizgi grafikleri, sütun grafikleri, alan grafikleri, histogramlar ve düzenli tablolar gibi çeşitli şekillerde gösterme seçeneği sunar.
Bir DataFrame'deki Belirli bir sütunu histogram kullanarak görselleştirmenin kodu:
| Kod | Açıklama |
|---|---|
| df['Sutun Adi'].plot(kind='hist') | Sütun adını belirleyin ve histogram yöntemini kullanarak bu sütunu çizin. |
Bir bölgede blog yazılarının beğenilme oranını göstermek için çoklu sütun kullanılması gerekebilir. Bu durumda, belirli sütunlardan birden çok DataFrame'e ihtiyaç duyulabilir. Ardından, Pandas'ın "concat" yöntemi kullanılarak bu DataFrame'ler birleştirilebilir. Belirli bir süttundaki veriler sütun adına göre seçilir ve sütun adı ile "plot" yöntemi kullanılarak görselleştirilebilir. Belirli bir tek sütun içeren DataFrame'in görselleştirilmesinin kodu:
| Kod | Açıklama |
|---|---|
| df.plot(x='Sutun1', y='Sutun2', kind='bar') | Belirli sütunlar seçilir ve ardından bar yöntemi kullanılarak çizim yapılır. |
Bu yöntemler, veri analizinde daha net bir anlayış sağladığı için oldukça önemlidir. Pandas, veri görselleştirme konusunda oldukça fazla seçenek sunar ve verileri farklı şekillerde göstermeyi mümkün kılar.
Verilerin Aktarılması
Verilerin Pandas DataFrame'den MySQL veritabanına aktarılması, günümüz iş dünyasında yaygın bir durumdur. Pandas DataFrame'den veri alındıktan sonra, bu verilerin başka bir veritabanına aktarılması gerekebilir. Bu nedenle, Pandas DataFrame'den MySQL veritabanına veri aktarımı yapmanın yolları önemlidir.
MySQL Connector / Python kullanarak Pandas DataFrame'den MySQL veritabanına veri aktarımı yapmak oldukça basittir. Öncelikle, bir MySQL veritabanı bağlantısı kurulmalıdır. Ardından, Pandas DataFrame'de yer alan veriler için bir veri tabanı tablosu oluşturulmalıdır. Bir kez oluşturulduktan sonra, veriler MySQL tablosuna aktarılabilir.
Bunun için, Pandas DataFrame'de bir veri tabanı tablosu oluşturulmalıdır. Pandas DataFrame üzerinde yürütülen SQL sorguları sayesinde bir tablo oluşturulabilir. Daha sonra, MySQL Connector / Python kullanılarak oluşturulan tabloya veriler aktarılabilir. Verileri aktarmak için, Pandas DataFrame'deki verileri MySQL tablosunda bulunan sütunlarla eşleştirmek önemlidir. Veriler doğru şekilde eşleştirildiğinde, MySQL tablosuna veri aktarımı tamamlanmış olur.
Genel olarak, Pandas DataFrame'den MySQL veritabanına veri aktarımı oldukça kolaydır. Veriler doğru şekilde eşleştirildiğinde, veriler doğru bir şekilde MySQL tablosuna aktarılabilir. Bu işlem, Pandas DataFrame'den MySQL veritabanına sık sık veri aktarımı gerektiren birçok organizasyon için oldukça faydalıdır.