在前面几篇文章中，我们已经学习了数据库的基础知识，了解了 SQL 与 NoSQL 的区别。本篇文章将进入到一个综合实践环节，带你使用 Python 连接数据库、操作数据，并将结果可视化。这不仅能加深对数据库操作的理解，也能提升数据分析与展示的能力。

---

一、为什么要用 Python 操作数据库？

数据库是数据存储的核心，而 Python 是一门强大的编程语言，拥有丰富的库，可以轻松实现数据采集、存储与分析。
通过 Python，我们可以：

• 批量插入和查询数据，提升效率；
• 使用 Pandas 将数据库结果转为数据表；
• 借助 Matplotlib、Seaborn、ECharts 等工具进行可视化。

换句话说，Python 能够让“数据获取 → 数据处理 → 数据展示”形成一个完整的闭环。

---

二、准备工作

在开始之前，我们需要准备好以下工具：

1. 安装数据库（MySQL 或 SQLite）

   • 如果你是新手，可以直接用轻量级的 SQLite（无需额外安装）。
   • 如果你想更贴近实际项目，可以使用 MySQL。

2. 安装 Python 库

pip install pymysql sqlalchemy pandas matplotlib

• pymysql：连接 MySQL 数据库
• sqlalchemy：数据库 ORM 框架，便于统一管理数据库连接
• pandas：数据处理工具
• matplotlib：可视化库

---

三、用 Python 连接数据库并操作数据

这里我们以 MySQL 为例，假设数据库中有一张 学生成绩表 student_score，包含字段：

• id（学号）
• name（姓名）
• subject（学科）
• score（分数）

1. 数据库连接

import pymysql
import pandas as pd
import matplotlib.pyplot as plt
from sqlalchemy import create_engine

# 创建数据库连接
engine = create_engine("mysql+pymysql://root:123456@localhost:3306/testdb")

print("✅ 数据库连接成功！")

---

2. 插入数据

# 构造示例数据
data = [
    (1, "张三", "数学", 85),
    (2, "李四", "数学", 92),
    (3, "王五", "数学", 76),
    (4, "赵六", "数学", 89),
    (5, "孙七", "数学", 95)
]

# 插入到数据库
with engine.connect() as conn:
    conn.execute("DROP TABLE IF EXISTS student_score")
    conn.execute("""
        CREATE TABLE student_score (
            id INT PRIMARY KEY,
            name VARCHAR(20),
            subject VARCHAR(20),
            score INT
        )
    """)
    for row in data:
        conn.execute("INSERT INTO student_score VALUES (%s,%s,%s,%s)", row)

print("✅ 数据插入成功！")

---

3. 查询数据

# 使用 Pandas 直接读取数据
df = pd.read_sql("SELECT * FROM student_score", engine)
print("📊 学生成绩数据：\n", df)

输出示例：

   id name subject  score
0   1   张三     数学     85
1   2   李四     数学     92
2   3   王五     数学     76
3   4   赵六     数学     89
4   5   孙七     数学     95

---

四、数据可视化

1. 绘制柱状图

# 绘制成绩分布柱状图
plt.figure(figsize=(8,5))
plt.bar(df["name"], df["score"], color="skyblue")
plt.title("学生数学成绩分布")
plt.xlabel("学生姓名")
plt.ylabel("成绩")
plt.show()

---

2. 绘制成绩趋势折线图

plt.figure(figsize=(8,5))
plt.plot(df["name"], df["score"], marker="o", linestyle="-", color="orange")
plt.title("学生数学成绩趋势图")
plt.xlabel("学生姓名")
plt.ylabel("成绩")
plt.show()

---

五、总结

本篇文章带你完成了一个完整的实战流程：

1. 使用 Python 连接数据库；
2. 插入并查询学生成绩数据；
3. 使用 Pandas 和 Matplotlib 将数据可视化。

在实际项目中，我们可以扩展到更复杂的业务场景，比如：

• 电商分析：统计商品销量、用户购买趋势；
• 日志分析：分析服务器日志、访问趋势；
• AI 项目：将数据库数据作为训练集输入模型。

Python 与数据库的结合，为数据分析、可视化和智能应用提供了无限可能。