查詢引擎使用了presto，在sql中使用了模糊查詢。
engine = create_engine(presto_url,encoding='utf-8')
sql_exe ="""select id,title,tags from source.base.table where tags like '%呵呵%' """
df = pd.read_sql_query(sql_exe,engine)
一直報錯：
unsupported format character
解決方案
第一：
sql_exe ="""select id,title,tags from source.base.table where tags like '%%呵呵%%' """
第二：
sql_exe ="""select id,title,tags from source.base.table where tags like %s """
df = pd.read_sql_query(sql_exe,engine,params=("%呵呵%",))
補充：pd.read_sql()知道這些就夠用了
如下：
pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None)
各參數意義
sql：SQL命令字符串
con：連接sql數據庫的engine，一般可以用SQLalchemy或者pymysql之類的包建立
index_col： 選擇某一列作為index
coerce_float：非常有用，將數字形式的字符串直接以float型讀入
parse_dates：將某一列日期型字符串轉換為datetime型數據，與pd.to_datetime函數功能類似。可以直接提供需要轉換的列名以默認的日期形式轉換，也可以用字典的格式提供列名和轉換的日期格式，比如{column_name: format string}（format string："%Y:%m:%H:%M:%S"）。
columns：要選取的列。一般沒啥用，因為在sql命令里面一般就指定要選擇的列了
chunksize：如果提供了一個整數值，那么就會返回一個generator，每次輸出的行數就是提供的值的大小。
設置參數can–>創建數據庫鏈接的兩種方式
用sqlalchemy構建數據庫鏈接
import pandas as pd
import sqlalchemy
from sqlalchemy import create_engine
# 用sqlalchemy構建數據庫鏈接engine
connect_info = 'mysql+pymysql://{}:{}@{}:{}/{}?charset=utf8'
engine = create_engine(connect_info)
# sql 命令
sql_cmd = "SELECT * FROM table"
df = pd.read_sql(sql=sql_cmd, con=engine)
用DBAPI構建數據庫鏈接
import pandas as pd
import pymysql
# sql 命令
sql_cmd = "SELECT * FROM table"
# 用DBAPI構建數據庫鏈接engine
con = pymysql.connect(host=localhost, user=username, password=password, database=dbname, charset='utf8', use_unicode=True)
df = pd.read_sql(sql_cmd, con)
read_sql與read_sql_table、read_sql_query
read_sql本質上是read_sql_table、read_sql_query的統一方式。
三者都return返回DataFrame。
1、read_sql_table
Read SQL database table into a DataFrame.
2、read_sql_query
Read SQL query into a DataFrame.
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- Pandas 模糊查詢與替換的操作
- Pandas的數據過濾實現
- Python遍歷pandas數據方法總結
- python中數據庫like模糊查詢方式
