python在制作一些小工具上本身就有着得天独厚的优势，大多数非标准库的应用只需要进行简单的安装即可使用。

比如：使用python将excel中的数据导入到mysql数据库表中，或是将mysql数据库表中的数据直接导出为excel都只需要简单的几行代码就可以完成，假如使用Java来做这件事强那可就有些复杂了呢。

话不多说，接下来直接进入正题…

这里使用两个python的非标准库来操作，一个是我们比较熟悉的pandas非标准库，使用它来完成excel相关的数据操作。

另外一个则是sqlalchemy非标准库，使用它来完成对mysql数据库表的相关数据操作。

使用pip的方式将这两个非标准库安装好，下面是安装命令：

pip install sqlalchemy

pip install pandas

准备好以后，先来编写一个函数mysql_to_excel将数据从mysql数据库表中导出到excel的数据操作。

from sqlalchemy import create_engine

import pandas as pd

def mysql_to_excel():
    '''
    将mysql数据导出到excel数据表中
    :return:
    '''
    # 使用create_engine函数创建数据库连接，其中数据库的用户名和密码分别是root/root，数据库名称为test
    engine = create_engine('mysql+pymysql://root:root@localhost/test')
    # 使用sql语句读取data表中的所有数据
    data_frame = pd.read_sql(sql='select * from test.data', con=engine)
    # 将sql查询出来的数据导出到excel数据表中
    data_frame.to_excel('data.xlsx')

可以发现，pandas非标准库提供了read_sql函数来读取数据，并且返回的数据类型是DataFrame数据类型。最后，将DataFrame的数据直接保存到excel中，主逻辑的实现只用了三行代码就完成了，这就是python的魅力。

随后，再来编写一下函数excel_to_mysql将数据从excel中直接导出到数据库表中，为了保证下面函数的独立性，于是我把用到的库又导入了一遍。

from sqlalchemy import create_engine

import pandas as pd

def excel_to_mysql():
    # 使用create_engine函数创建数据库连接，其中数据库的用户名和密码分别是root/root，数据库名称为test
    engine = create_engine('mysql+pymysql://root:211314@localhost/test')
    # 使用pandas非标准库提供的read_excel函数将data.xlsx文件中的数据全部读取出来
    data_frame = pd.read_excel('data.xlsx')
    # 将DataFrame格式的数据通过to_sql函数保存到数据库中，这个时候它会自动创建一个数据库表，也就是data表
    data_frame.to_sql(name='data', con=engine, index=False, if_exists='replace')

在导入数据库表的时候是DataFrame数据对象直接提供了to_sql函数进行数据的插入操作，连sql语句都不用写。这个DataFrame对象的操作还真是强大呢，它是excel数据分析、数据提取中永远的神。

最后，感谢大家的阅读，我会不断学习努力更新出更好的干货~