Pandas使用read_sql读取SQL报错及Python操作SQL方法咨询

• 核心触发报错的原因：Python内置open()函数仅支持访问本地文件系统路径，无法直接传入HTTP/HTTPS协议的URL读取远程文件，传入GitHub文件直链会直接触发OSError: [Errno 22] Invalid argument错误。
• 逻辑冗余问题：代码开头创建的内存SQLite连接、游标对象没有被任何后续逻辑调用，属于完全无效的冗余代码。
• 流程断裂问题：代码尝试打开远程数据库文件的操作，和后续连接本地data/weather_2012.sqlite的逻辑没有关联，既没有把远程文件下载保存到本地对应路径，也没有做路径存在性校验，就算open()调用不报错，sqlite3.connect()也会因为找不到本地文件抛出异常。
• 基础语法疏漏：代码没有导入pandas库，直接调用pd.read_sql()会触发NameError。

import sqlite3
import pandas as pd
import requests
from pathlib import Path

# 初始化本地存储目录
Path("data").mkdir(exist_ok=True)
db_local_path = "data/weather_2012.sqlite"

# 本地无数据库文件时先从远程下载
if not Path(db_local_path).exists():
    db_remote_url = "https://github.com/jvns/pandas-cookbook/raw/master/data/weather_2012.sqlite"
    resp = requests.get(db_remote_url, timeout=10)
    with open(db_local_path, "wb") as f:
        f.write(resp.content)

# 连接数据库读取数据
con = sqlite3.connect(db_local_path)
df = pd.read_sql("SELECT * from weather_2012 LIMIT 3", con)
con.close()
df

• Pandas原生SQL接口：数据分析场景下优先选择，只要传入合法的数据库连接和SQL语句，pd.read_sql()可以直接把查询结果转换为DataFrame对象，df.to_sql()可以直接把DataFrame写入数据库表，省去手动游标遍历、类型转换的重复代码，支持SQLite、MySQL、PostgreSQL等绝大多数主流关系型数据库。
• SQLAlchemy统一连接层：作为Python生态最通用的数据库抽象层，一套连接配置即可适配不同类型的数据库，内置连接池管理、SQL注入防护、类型自动映射能力，和Pandas的适配度最高，不需要为不同数据库单独写连接逻辑。
• 轻量ORM框架：如果需要频繁做增删改查操作、不想重复手写原生SQL，可以选择Peewee这类轻量级ORM，通过Python类映射数据库表结构，代码可维护性更高，适合小型业务项目使用。
• Jupyter/IPython SQL魔法命令：做交互式分析时，可以加载SQL扩展直接在代码单元里写原生SQL，查询结果支持一键转为DataFrame，不需要额外写连接、读取的样板代码。

内容的提问来源于stack exchange，提问作者Pavel Tashkinov