如何在Pandas中执行任意SQL，仅在有返回行时生成DataFrame？

1. 分场景选择执行方法 #

read_sql_query的设计目标是处理返回结果集的查询语句（如SELECT、SHOW），对于不返回行的DDL（如DROP、CREATE）或DML（如INSERT、UPDATE），更适合用数据库连接的原生execute方法执行，再根据是否有结果集决定是否生成DataFrame。

具体实现步骤：

• 用数据库连接执行SQL语句
• 判断执行结果是否包含行数据：
  • 若有结果集，将其转换为Pandas DataFrame
  • 若无结果集，返回执行成功提示或受影响行数

示例代码（以SQLAlchemy连接为例）：

import pandas as pd
from sqlalchemy import create_engine

engine = create_engine("你的数据库连接字符串")

def execute_arbitrary_sql(sql):
    with engine.connect() as conn:
        result = conn.execute(sql)
        if result.returns_rows:
            # 转换为DataFrame并返回
            return pd.DataFrame(result.fetchall(), columns=result.keys())
        else:
            # 返回受影响行数或成功信息
            return f"执行成功，受影响行数：{result.rowcount}"

2. 使用Pandas通用入口read_sql #

read_sql是Pandas提供的通用SQL执行函数，它会自动识别语句类型：

• 对于查询语句，返回对应的DataFrame
• 对于非查询语句，执行完成后返回None

示例代码：

result = pd.read_sql(sql, engine)
if result is not None:
    # 处理查询结果DataFrame
    print(result)
else:
    # 非查询语句执行完成
    print("语句执行成功")

这种方式的优势是代码简洁，但无法获取非查询语句的受影响行数，适合只需要确认执行状态的场景。

3. 优化错误捕获方案 #

如果不想提前区分语句类型，捕获ResourceClosedError其实是可行的方案，只需让逻辑更清晰：

from pandas.errors import ResourceClosedError

try:
    df = pd.read_sql_query(sql, engine)
    return df
except ResourceClosedError:
    # 执行非查询语句，获取受影响行数
    with engine.connect() as conn:
        exec_result = conn.execute(sql)
        return f"执行成功，受影响行数：{exec_result.rowcount}"

这种方式无需预判SQL类型，适合处理任意SQL的场景，代码复杂度较低。

总结 #

• 若需要精细控制执行结果（如获取受影响行数），优先选择原生execute+结果集判断的方案
• 若仅需简单区分执行结果，read_sql是更简洁的选择
• 错误捕获方案并非不合理，在处理任意SQL的场景下是高效的解决方案，只要逻辑清晰即可

内容的提问来源于stack exchange，提问作者Brian Risk