Python与MySQL实训报告简介：

Python与MySQL实训报告 一、引言 在当今信息爆炸的时代，数据处理与分析已成为各行各业不可或缺的一部分

    Python，作为一种高级编程语言，凭借其简洁的语法、强大的库支持和广泛的应用场景，迅速成为数据科学家的首选工具

    而MySQL，作为开源的关系型数据库管理系统，以其高效、稳定、易于维护的特点，在数据存储与管理领域占据重要位置

    将Python与MySQL结合使用，不仅能够实现数据的高效存储与检索，还能通过Python强大的数据处理能力对数据进行深度分析，为企业决策提供有力支持

    本次实训旨在通过实践操作，掌握Python与MySQL的基本操作及协同工作技能，为后续的数据处理工作打下坚实基础

     二、实训环境搭建 1.软件准备 -Python环境：安装Python 3.x版本，并确保pip包管理器可用

     -MySQL数据库：安装MySQL Server，并配置MySQL Workbench作为图形化管理工具，便于数据库的设计与操作

     -Python库安装：使用pip安装`mysql-connector-python`库，该库提供了Python与MySQL交互的接口

     2.环境配置 - 在MySQL Workbench中创建一个新的数据库，命名为`test_db`，用于本次实训的数据存储

     - 配置MySQL服务器的访问权限，确保Python脚本能够远程连接到数据库

     三、Python与MySQL基础操作 1.连接MySQL数据库 使用`mysql-connector-python`库，通过以下代码建立与MySQL数据库的连接： python import mysql.connector 建立连接 conn = mysql.connector.connect( host=localhost, user=your_username, password=your_password, database=test_db ) if conn.is_connected(): print(连接成功) 2.创建表与插入数据 连接成功后，可以执行SQL语句创建表并插入数据： python cursor = conn.cursor() 创建表 create_table_sql = CREATE TABLE IF NOT EXISTS employees( id INT AUTO_INCREMENT PRIMARY KEY, name VARCHAR(100), position VARCHAR(100), salary DECIMAL(10,2) ) cursor.execute(create_table_sql) 插入数据 insert_data_sql = INSERT INTO employees(name, position, salary) VALUES(%s, %s, %s) employee_data =【 (Alice, Engineer,75000.00), (Bob, Manager,90000.00), (Charlie, Analyst,65000.00) 】 cursor.executemany(insert_data_sql, employee_data) 提交事务 conn.commit() print(表创建及数据插入完成) 3.查询数据 使用SQL查询语句从数据库中检索数据，并通过Python进行处理： python 查询数据 select_sql = SELECTFROM employees cursor.execute(select_sql) 获取所有记录 records = cursor.fetchall() for record in records: print(record) 关闭游标和连接 cursor.close() conn.close() 四、高级应用：数据分析与可视化 1.数据预处理 在实际应用中，数据往往需要进行预处理，如清洗、转换等

    Python的Pandas库非常适合此类任务： python import pandas as pd 从数据库读取数据到DataFrame query = SELECTFROM employees df = pd.read_sql(query, conn) 数据清洗示例：去除空值 df.dropna(inplace=True) 数据转换示例：计算年薪（假设月薪） df【annual_salary】 = df【salary】12 print(df.head()) 2.数据分析 利用Pandas提供的数据分析功能，可以进行统计计算、分组分析等： python 计算平均薪资 avg_salary = df【salary】.mean() print(f平均薪资:{avg_salary}) 按职位分组计算平均薪资 avg_salary_by_position = df.groupby(position)【salary】.mean() print(avg_salary_by_position) 3.数据可视化 结合Matplotlib或Seaborn库，将分析结果可视化呈现： python import matplotlib.pyplot as plt import seaborn as sns 设置Seaborn风格 sns.set(style=whitegrid) 绘制薪资分布图 plt.figure(figsize=(10,6)) sns.histplot(df【salary】, bins=10, kde=True) plt.title(员工薪资分布) plt.xlabel(薪资) plt.ylabel(频数) plt.show() 绘制不同职位的平均薪资条形图 plt.figure(figsize=(10,6)) avg_salary_by_position.plot(kind=bar) plt.title(不同职位的平均薪资) plt.xlabel(职位) plt.ylabel(平均薪资) plt.xticks(rotation=45) plt.show() 五、实训总结 通过本次Python与MySQL实训，我们不仅掌握了Python连接MySQL数据库的基本方法，还学会了如何利用Python进行