创建pandas和sqlalchemy的j交互对象，方便于日常的数据库的增删改查(原创)

#导入第三方库sqlalchemy的数据库引擎
from sqlalchemy import create_engine
#导入科学计算库
import pandas as pd
#导入绘图库
import matplotlib.pyplot as plt 

if __name__ == "__main__":
    #建立数据库引擎
    engine = create_engine('mysql+pymysql://root:123456@localhost:3306/mymac')

    #建立一个基于pandas查询数据框架类的对象
    sql = 'select id,name,age,gender from student'
    df = pd.read_sql_query(sql,engine)
    print("#建立一个基于pandas查询数据框架类的对象\n{}".format(df))

    #select * from student order by age asc | desc
    df0 = df.sort_values(['age','gender'],ascending=False)
    print("#指定多字段排序，遵循最左原则，注意：这是矩阵数组操作，不是在数据库操作，需要重新赋值\n{}".format(df0))

    df1 = df.sort_values(['age']).head(1)
    print("#取年龄最小的学生，从头部取第一个\n{}".format(df1))

    print('#所有字段的平均值\n{}'.format(df.mean()))
    print('#矩阵 按列 求平均值\n{}'.format(df.mean(0)))
    print('#矩阵 按行 求平均值\n{}'.format(df.mean(1)))

    #使用loc[]方法指定字段 .age指定操作数据字段
    avg_age = df.loc[df['gender'] == 0].age.mean()
    print("查整个班的女生的平均年龄:    {}".format(avg_age))

    view = df.loc[(df['age'] < avg_age) & (df['gender'] == 0)]
    print("查小于全班平均年龄的女生\n{}".format(view))
    print("全班平均年龄:   {}".format(df.age.mean()))
    print("全班年龄和:   {}".format(df.age.sum()))
    print("男生的年龄和:   {}".format(df.loc[df['gender'] == 1].age.sum()))
    print("全班最小年龄:   {}".format(df.age.min()))
    print(df.loc[(df['gender'] == 0) | (df['gender'] == 1)])
    print("全班人数:    {}".format(df.id.count()))
    #排除
    print(df.loc[(df['gender'] != 0) & (df['gender'] != 1)])

    #修改
    df.loc[3,'gender'] = 0
    df.loc[3,'age'] = 18
    print(df)
    #取单值 nplist[2,3]  nplist[2][3]
    print(df.loc[3,'name'])
    data = df.loc[ df['gend.er'] == 1, ['id','name']]
    print("#查指定字段的数据\n{}".format(data))

    """
    导出excel文件
    pandas的矩阵转成excel文件，需要安装一个Exel插件     pip install openpyxl
    基于清华学校的镜像源安装        pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openpyxl
    将dataframe写入数据表  表名，数据引擎，索引是否入库
    """
    df.to_sql('student_copy',engine,index=False)
    #导出excel文件
    df.to_excel('student.xlsx')

    # 一、利用dataframe内置方法，统计 李老师班身高超过1.80的所有男生
    sql_0 = "select * from student as s inner join teacher as t on s.tid = t.id where t.id = 2 and s.gender = 1"
    df_0 = pd.read_sql_query(sql_0,engine)
    print(df_0)
    view_0 = df_0.loc[df_0['hight'] > 1.80]
    print(view_0)

    #二、利用dataframe内置方法，统计 王老师班身高不低于李老师班女生平均身高的所有女生
    sql_1 = "select * from student as s inner join teacher as t on s.tid = t.id where s.gender = 0"
    df_1 = pd.read_sql_query(sql_1,engine)
    print("#1、查出所有老师的班级的女生\n{}".format(df_1))

    view_1 = df_1.loc[(df_1['tid'] == 2)].hight.mean()
    print("#2、李老师班的女生平均身高： {}".format(view_1))

    view_2 = df_1.loc[(df_1['tid'] == 1) & (df_1['hight'] > view_1)]
    print(view_2)

    """
    要求：给student 表加入字段weight，利用matplotlib 画一个散点图，将全班的身高（x轴） 和 体重(y轴) 以散点图的形式展示出来
    """

    #建立一个基于pandas与sqlalchemy交互的对象
    sql = 'select hight,weight from student'
    df = pd.read_sql_query(sql,engine)
    print(df)

    # #定义x轴数据
    x = df['hight']
    y = df['weight']
    # 填充数据
    #s 表示点的大小和粗细 c 表示颜色
    plt.scatter(x,y,s=20,c='blue')
    #设置标题
    plt.title('身高(x轴)/体重(y轴)')
    #绘制
    plt.show()