如何为SQLAlchemy多数据库绑定创建Engine生成Pandas DataFrame？

首先先修正你配置里的两处错误，这可能是导致你失败的核心原因：

• 主数据库的配置键写错了，应该是SQLALCHEMY_DATABASE_URI，不是SQLALCHEMY_DATABASE+URI
• 绑定库'two'的URI里3306 /tvshow多了空格，要改成3306/tvshow，否则数据库连接会报错

接下来，你不需要重新手动拼接URI创建Engine，直接从已初始化的db对象中获取对应数据库的Engine即可：

获取对应Engine的方式 #

• 主数据库（movie库）的Engine：直接使用db.engine，这是SQLAlchemy默认绑定的主库引擎
• 绑定数据库'two'（tvshow库）的Engine：调用db.get_engine(app, bind='two')，通过绑定键获取对应引擎

修改后的完整代码如下：

from flask import Flask
from flask_sqlalchemy import SQLAlchemy
from sqlalchemy import Column, VARCHAR, INTEGER
import pandas as pd

app = Flask(__name__)
# 修正配置键名和URI空格问题
app.config['SQLALCHEMY_DATABASE_URI'] = \
        "mariadb+mariadbconnector://harold:password@localhost:3306/movie?charset=utf8mb4"
app.config['SQLALCHEMY_BINDS'] = \
        {'two' : "mariadb+mariadbconnector://harold:password@localhost:3306/tvshow?charset=utf8mb4"}
db = SQLAlchemy(app)


class Movie(db.Model):
    __tablename__ = "movie"
    movie_id = Column(VARCHAR(length=25), primary_key=True, nullable=False)
    title = Column(VARCHAR(length=255), nullable=False)
    series_id = Column(VARCHAR(length=25), nullable=False)
    rel_date = Column(VARCHAR(length=25), nullable=False)

class TVShow(db.Model):
    __bind_key__ = 'two'
    __tablename__ = "tvshow"
    tv_id = Column(VARCHAR(length=25), primary_key=True, nullable=False)
    name = Column(VARCHAR(length=255), nullable=False)
    seasons = Column(INTEGER, nullable=False)
    episodes = Column(INTEGER, nullable=False)

def set_df():
    # 主库直接使用默认引擎
    main1_df = pd.read_sql_table('movie', db.engine)
    # 通过绑定键获取第二个库的引擎
    two_engine = db.get_engine(app, bind='two')
    main2_df = pd.read_sql_table('tvshow', two_engine)
    return main1_df, main2_df

如果你想脱离Flask的db对象手动创建Engine，也可以直接用SQLAlchemy的create_engine方法提取配置中的URI：

from sqlalchemy import create_engine

# 主库Engine
main_engine = create_engine(app.config['SQLALCHEMY_DATABASE_URI'])
# 绑定库Engine
two_engine = create_engine(app.config['SQLALCHEMY_BINDS']['two'])

两种方式都能正确获取对应数据库的Engine，传入pd.read_sql_table后即可成功将表转换为Pandas DataFrame。

内容的提问来源于stack exchange，提问作者Harold Meneley