### 使用 Python 打开 Excel 表格并存储数据到数据库 Python 提供了多种工具来实现从 Excel 文件读取数据并将其存储到数据库中的流程。通常，可以使用 `pandas` 库来读取 Excel 数据，并利用 `SQLAlchemy` 或 `sqlite3` 等库将数据写入数据库。 #### 1. 读取 Excel 文件 Pandas 支持通过 `read_excel()` 方法加载 Excel 文件[^2]。例如： ```python import pandas as pd # 读取 Excel 文件的第一个工作表 df = pd.read_excel('data.xlsx', sheet_name=0) ``` 如果需要读取特定的工作表名称或调整其他参数（如跳过行数），也可以如下操作： ```python # 指定工作表名称和跳过前几行 df = pd.read_excel('data.xlsx', sheet_name='Sheet1', skiprows=2) ``` #### 2. 连接到数据库 Python 支持多种数据库连接方式，以下以 SQLite 为例进行说明。SQLite 是一种轻量级的嵌入式数据库，适合小型项目和测试场景。 使用 `sqlite3` 建立连接： ```python import sqlite3 # 创建内存数据库连接 conn = sqlite3.connect('example.db') ``` 对于更复杂的场景，可以使用 `SQLAlchemy` 来管理连接，支持更多数据库类型（如 MySQL、PostgreSQL）： ```python from sqlalchemy import create_engine # 创建 SQLite 数据库引擎 engine = create_engine('sqlite:///example.db') # 对于 PostgreSQL，可使用： # engine = create_engine('postgresql://username:password@localhost/dbname') ``` #### 3. 将 DataFrame 存储到数据库 Pandas 提供了 `to_sql()` 方法，可以直接将 DataFrame 写入数据库表中。以下是示例代码： ```python # 使用 sqlite3 连接对象写入数据库 df.to_sql('table_name', conn, if_exists='replace', index=False) # 使用 SQLAlchemy 引擎写入数据库 df.to_sql('table_name', engine, if_exists='replace', index=False) ``` - `if_exists='replace'`：如果目标表已存在，则替换该表。 - `index=False`：不将 DataFrame 的索引写入数据库[^1]。 #### 4. 关闭连接 完成数据写入后，建议关闭数据库连接以释放资源： ```python conn.close() ``` #### 完整示例代码 ```python import pandas as pd import sqlite3 # 读取 Excel 文件 df = pd.read_excel('data.xlsx', sheet_name=0) # 创建数据库连接 conn = sqlite3.connect('example.db') # 将 DataFrame 写入数据库 df.to_sql('excel_data', conn, if_exists='replace', index=False) # 关闭连接 conn.close() ``` --- ###