{"id":187052,"date":"2023-10-20T21:43:25","date_gmt":"2023-10-20T20:43:25","guid":{"rendered":"https:\/\/liora.io\/de\/?p=187052"},"modified":"2026-02-06T06:11:10","modified_gmt":"2026-02-06T05:11:10","slug":"pandas-read_sql-sql-sprache-mit-dieser-bibliothek-lesen","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/pandas-read_sql-sql-sprache-mit-dieser-bibliothek-lesen","title":{"rendered":"Pandas Read_SQL : SQL-Sprache mit dieser Bibliothek lesen"},"content":{"rendered":"<p><strong>Pandas Read_SQL: Um funktionale Daten zu verwalten und zu analysieren, k\u00f6nnen Datenexperten eine Vielzahl von Tools verwenden. Dazu geh\u00f6ren auch SQL oder Panda.<\/strong><\/p>\t\t\n\t\t<p>Sie werden oft als zwei alternative Optionen dargestellt (entweder das eine oder das andere), erg\u00e4nzen sich aber in Wirklichkeit sehr gut. Die <a href=\"https:\/\/liora.io\/de\/top-10-der-python-bibliotheken-fur-data-scientists\">Python-Bibliothek<\/a> ist in der Lage, die Structured Query Language \u00fcber die <strong>Pandas Read_SQL-Funktionen<\/strong> zu lesen. Lass uns diese Funktionen n\u00e4her kennenlernen.<\/p>\t\t\n\t\t\t<h3>Was ist Pandas Read_SQL ?<\/h3>\t\t\n\t\t<p><strong>Pandas Read_SQL<\/strong> ist eine Funktion der Python-Bibliothek, mit der du die <a href=\"https:\/\/liora.io\/de\/sql-abfrage-die-5-wichtigsten-befehle-die-du-kennen-solltest\">Ergebnisse einer SQL-Abfrage<\/a> direkt in den Panda-Dataframe abrufen kannst.<\/p><p>\u26a0\ufe0fAber Vorsicht: Es gibt zwei Methoden, um SQL zu lesen:<\/p><ul><li><strong>pandas.read_sql_query:<\/strong> Dies ist die urspr\u00fcngliche Formel f\u00fcr die Verwendung von SQL-Abfragen in Pandas.<\/li><li><strong>pandas.read_sql<\/strong>: Dies ist eine Vereinfachung der ersten Option, da sie read_sql_query und read_sql_table kombiniert<\/li><li>Letztere erm\u00f6glicht es jedoch, eine ganze SQL-Tabelle in Pandas zu lesen. Mit dieser Funktion ist es also m\u00f6glich, sowohl Abfragen als auch Tabellen zu lesen.<\/li><\/ul>\t\t\n\t\t\t\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Alles \u00fcber Panda Read_SQL<\/a><\/div><\/div>\n\n\t\t\t<h3>Wie verwende ich die Pandas Read_SQL-Abfrage?<\/h3>\t\t\n\t\t\t<h4>Die Voraussetzungen<\/h4>\t\t\n\t\t<p>Um die<strong> Pandas Read_SQL-Abfrage<\/strong> effektiv nutzen zu k\u00f6nnen, m\u00fcssen einige Python-Pakete installiert werden, wie z.B. :<\/p><ul><li><strong>SQLAlchemy:<\/strong> Dieses Paket erm\u00f6glicht es, mit SQL-Datenbanken direkt im Python-Code zu interagieren. Es ist nicht zwingend erforderlich, aber es erleichtert den Workflow.<\/li><li><strong>Ein Adapter<\/strong>: Egal, ob du PostgreSQL, <a href=\"https:\/\/liora.io\/de\/mysql-eine-relationale-datenverwaltungssoftware\">MySQL<\/a>, Oracle oder einen anderen Dialekt verwendest, du brauchst einen Adapter f\u00fcr Python, damit Pandas und SQL sich erg\u00e4nzen k\u00f6nnen.<\/li><li><strong>Ein Python-Paketmanager:<\/strong> Wie \u00fcber pip.<\/li><\/ul><p>Nicht zu vergessen ist der <a href=\"https:\/\/liora.io\/de\/sql-alles-uber-die-datenbanksprache\">Zugriff auf eine SQL-Datenbank<\/a> (egal ob aus der Ferne oder auf einem lokalen Rechner).<\/p>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"900\" height=\"500\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/10\/Pandas-Read_SQL1.jpg\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/10\/Pandas-Read_SQL1.jpg 900w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/10\/Pandas-Read_SQL1-300x167.jpg 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/10\/Pandas-Read_SQL1-768x427.jpg 768w\" sizes=\"(max-width: 900px) 100vw, 900px\">\t\t\t\t\t\t\t\t\t\t\t<figcaption><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t<h4>Die Verwendung von Pandas Read_SQL<\/h4>\t\t\n\t\t<p>Sobald alle Pakete installiert sind, musst du eine Verbindung zu deiner Datenbankquelle \u00f6ffnen. Genau aus diesem Grund ist <a href=\"https:\/\/liora.io\/de\/sqlalchemy-was-ist-das-wozu-dient-es\">SQLAlchemy<\/a> n\u00fctzlich, da es eine Verbindung herstellen kann.<\/p><p>\u00dcber diese Verbindung kannst du dann die Ergebnisse einer grundlegenden SQL-Abfrage in Pandas abrufen. An dieser Stelle kommt die Pandas <strong>read_SQL-Abfrage ins Spiel.<\/strong><\/p><p>Diese Abfrage sieht folgenderma\u00dfen aus:<\/p><p>df = pandas.read_sql_query(&#8220;&#8217;SELECT * FROM tabellenname&#8220;, con=cnx).<\/p><p>Nun m\u00fcssen die verschiedenen Parameter dieses Code-Schnipsels angegeben werden:<\/p><ul><li><strong>df:<\/strong> Dies ist der Pandas-Dataframe, in dem die Daten der Tabelle gespeichert werden.<\/li><li><strong>SELECT * FROM tabellenname<\/strong>: Hier wird angegeben, welche Daten in der Tabelle ausgew\u00e4hlt werden sollen.<\/li><li><strong>con=cnx:<\/strong> Dies ist die Verbindung zwischen Pandas und SQL.<\/li><\/ul><p>Neben dem Lesen von Tabellen ist es auch m\u00f6glich, SQL-Ansichten zu lesen. Dazu schreibst du einfach die folgende Syntax:<\/p><p>df = pandas.read_sql_query(&#8220;&#8217;SELECT * FROM my_view&#8220;&#8216;, con=cnx)).<\/p><p>?Gut zu wissen: Dies ist ein grundlegendes Modell f\u00fcr die Verwendung von Pandas Read_SQL. Es ist auch m\u00f6glich, eine verallgemeinerte Abfragekette zu erstellen, um verschiedene Bereiche abzurufen. Und das, w\u00e4hrend du deine Abfragen und deren Variablen anpasst.<\/p>\t\t\n\t\t\t\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Lerne Pandas Read_SQL<\/a><\/div><\/div>\n\n\t\t\t<h4>Die Kontrolle \u00fcber Datenmengen<\/h4>\t\t\n\t\t<p>Wenn Pandas.Read_SQL die M\u00f6glichkeit bietet, mehrere Datenbereiche zu extrahieren, solltest du darauf achten, welche Datenmengen du eingeben musst. Dies gilt insbesondere f\u00fcr sehr gro\u00dfe Datenbanken. Wenn du n\u00e4mlich<strong> SQL-Datenbanken mit Pandas lesen<\/strong> willst, solltest du wissen, dass die Python-Bibliothek nicht nur die Datenframes, sondern auch die Verarbeitung der Ergebnisse von SQL-Abfragen speichert. Daher muss gen\u00fcgend Speicherplatz zur Verf\u00fcgung stehen, da es sonst zu vielen Fehlern kommen kann.<\/p><p>Um dies zu verhindern, kann der in Pandas integrierte Chunksize-Parameter verwendet werden.<\/p><p>Dieser Parameter kontrolliert die Menge der importierten Daten. Wenn die Grenze nahe ist, ist es besser, die SQL-Daten in mehreren Schritten zu extrahieren.<\/p><p>Um diese Funktion zu nutzen, tippe einfach diese Abfrage ein:<\/p><p>df = pandas.read_sql_query(&#8220;&#8217;SELECT * FROM tabellenname&#8220;, con=cnx, chunksize=n).<\/p><p>Hier bezieht sich n auf die Anzahl der Zeilen, die du in den Dataframe aufnehmen m\u00f6chtest.<\/p><p>&nbsp;<\/p><p>? Auch interessant:<\/p><table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\"><colgroup><col width=\"1116\"><\/colgroup><tbody><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;SQL Datei \u00f6ffnen&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/sql-datei-oeffnen-unser-tutorial\"><a href=\"https:\/\/liora.io\/de\/sql-datei-oeffnen-unser-tutorial\" target=\"_blank\" rel=\"noopener\">SQL Datei \u00f6ffnen<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;SQL vs. NOSQL&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/sql-vs-nosql-unterschiede-anwendungen-vor-und-nachteile\"><a href=\"https:\/\/liora.io\/de\/sql-vs-nosql-unterschiede-anwendungen-vor-und-nachteile\" target=\"_blank\" rel=\"noopener\">SQL vs. NOSQL<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;noSQL nicht relationale Datenbanken&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/no-sql-nicht-relationale-datenbanken\"><a href=\"https:\/\/liora.io\/de\/no-sql-nicht-relationale-datenbanken\" target=\"_blank\" rel=\"noopener\">noSQL nicht relationale Datenbanken<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Alles \u00fcber SQL&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/sql-alles-uber-die-datenbanksprache\"><a href=\"https:\/\/liora.io\/de\/sql-alles-uber-die-datenbanksprache\" target=\"_blank\" rel=\"noopener\">Alles \u00fcber SQL<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Insert INTO SQL&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/insert-into-sql-so-kannst-du-daten-einfuegen\"><a href=\"https:\/\/liora.io\/de\/insert-into-sql-so-kannst-du-daten-einfuegen\" target=\"_blank\" rel=\"noopener\">Insert INTO SQL<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;SQL Index - Wozu dient er?&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/sql-index-was-ist-das-wozu-dient-es\"><a href=\"https:\/\/liora.io\/de\/sql-index-was-ist-das-wozu-dient-es\" target=\"_blank\" rel=\"noopener\">SQL Index &#8211; Wozu dient er?<\/a><\/td><\/tr><\/tbody><\/table>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"900\" height=\"500\" src=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/10\/Pandas-Read_SQL2.jpg\" alt=\"\" loading=\"lazy\" srcset=\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/10\/Pandas-Read_SQL2.jpg 900w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/10\/Pandas-Read_SQL2-300x167.jpg 300w, https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/10\/Pandas-Read_SQL2-768x427.jpg 768w\" sizes=\"(max-width: 900px) 100vw, 900px\">\t\t\t\t\t\t\t\t\t\t\t<figcaption><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t<h3>Wo liegen die Grenzen von Pandas Read-SQL?<\/h3>\t\t\n\t\t<p>Obwohl es mit<strong> Pandas Read_SQL einfach ist, SQL-Datenbanken aus der Python-Bibliothek zu extrahieren,<\/strong> sollte man sich auch seiner Grenzen bewusst sein.<\/p><p>Diese Abfrage ben\u00f6tigt sehr viel Speicherplatz, da der Datenrahmen gespeichert und die Ergebnisse der<strong> SQL-Abfrage<\/strong> verarbeitet werden m\u00fcssen. Es sollte ausreichend Speicherplatz vorhanden sein.<\/p><p>Abgesehen davon, dass diese Funktion bei gro\u00dfen Datenimporten zu Fehlern f\u00fchren kann, ist sie auch oft der Grund f\u00fcr langsame Ladezeiten. Dies gilt selbst f\u00fcr kleine Datenmengen.<\/p><p>Wenn du die Ladezeit beschleunigen willst, ist Pandas Read-SQL definitiv nicht die beste Option, um deine SQL-Datenbanken zu extrahieren.<\/p>\t\t\n\t\t\t<h3>Lerne SQL mit Liora!<\/h3>\t\t\n\t\t<p>Ob Pandas oder SQL-Abfragen, sie sind unverzichtbare Werkzeuge, um Datenbanken zu verwalten und zu analysieren. Um <a href=\"https:\/\/liora.io\/de\/sql-trigger-zur-automatisierung-deines-dbms\">DBMS perfekt zu beherrschen,<\/a> ist es wichtig, sich in beiden Bereichen weiterzubilden. <\/p><p>Gl\u00fccklicherweise bietet dir Liora umfassende Schulungen rund um Daten an. Sei es durch Bootcamps, Weiterbildung oder duale Ausbildung, du wirst schnell lernen, diese Werkzeuge zu benutzen und nach Abschluss des Kurses sofort operationnel sein.<\/p>\t\t\n\t\t\t\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/unsere-aus-und-weiterbildungen\">Entdecke unsere Kurse<\/a><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Pandas Read_SQL: Um funktionale Daten zu verwalten und zu analysieren, k\u00f6nnen Datenexperten eine Vielzahl von Tools verwenden. Dazu geh\u00f6ren auch SQL oder Panda. Sie werden oft als zwei alternative Optionen dargestellt (entweder das eine oder das andere), erg\u00e4nzen sich aber in Wirklichkeit sehr gut. Die Python-Bibliothek ist in der Lage, die Structured Query Language \u00fcber [&hellip;]<\/p>\n","protected":false},"author":76,"featured_media":187053,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-187052","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/187052","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/76"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=187052"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/187052\/revisions"}],"predecessor-version":[{"id":217102,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/187052\/revisions\/217102"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/187053"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=187052"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=187052"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}