第八节：数据库、MySQL与Python连接

1. 为什么需要数据库

Excel 很适合小规模整理和临时计算，但金融数据通常有三个特点：数据量会不断增加，数据表之间存在关系，数据访问需要权限控制。只要进入长期项目、多人协作或网页应用场景，就应该理解数据库。

简单判断：如果数据只用一次，可以先用 Excel；如果数据要持续积累、多人使用、反复查询，或者要支撑网页和应用，就应该使用数据库。

2. 先理解几个基本概念

数据库不神秘。可以把它先理解成“更规范、更可查询、更能多人协作的表格系统”。学习 MySQL 前，先掌握几个词。

3. 常用数据库速览

市面上的数据库很多，不需要一开始全部掌握。先理解它们各自解决什么问题：有的适合交易记录，有的适合本地小文件，有的适合文档数据，有的适合高速缓存，有的适合大规模分析。下面这些是学习和项目中经常会遇到的数据库。

MySQL

关系型数据库

最常见的开源关系型数据库之一，很多网站、业务系统和云数据库服务都支持。适合学习 SQL、表结构、用户权限和 Python 连接数据库。

官方站点

PostgreSQL

关系型数据库

功能强、扩展性好，适合更复杂的数据类型、地理空间数据和严肃业务系统。它和 MySQL 都使用 SQL，但在功能细节和生态上不同。

官方站点

SQLite

嵌入式数据库

不需要单独启动服务器，一个数据库就是一个文件。适合本地小项目、手机应用、桌面软件和课程练习，不适合多人同时写入的大型系统。

官方站点

MariaDB

关系型数据库

从 MySQL 生态发展而来，很多命令和使用习惯与 MySQL 接近。适合需要开源关系型数据库、并希望兼容 MySQL 使用经验的场景。

官方站点

MongoDB

文档型数据库

数据以类似 JSON 的文档保存，不强制每条记录都有完全相同的字段。适合内容系统、日志、半结构化数据和快速变化的数据结构。

官方站点

Redis

内存数据库 / 缓存

读写速度很快，常用于缓存、排行榜、会话、实时计数和简单消息队列。它不是替代 MySQL 的普通表格数据库，而是解决高频访问问题。

官方站点

SQL Server

商业关系型数据库

微软生态中的关系型数据库，常与 Windows Server、Azure、Power BI 和企业管理系统配合使用。适合了解企业级数据库场景。

官方文档

DuckDB

DuckDB

分析型嵌入式数据库

适合在本机或 Python 环境中直接分析 CSV、Parquet 等数据文件。可以把它理解为“面向数据分析的 SQLite”，很适合教学和数据探索。

官方站点

本课程以 MySQL 为主，因为它适合讲清楚“服务器、账号、数据库、表、SQL、Python 连接”这一整套工作流。SQLite 和 DuckDB 更适合本地分析；MongoDB、Redis、SQL Server 等可以作为扩展了解。

4. 一个最小 MySQL 表：小微信贷客户

先创建一个非常小的客户表。这个表只用于练习，字段包括客户编号、城市、行业、贷款金额、年利率和是否违约。

CREATE TABLE micro_loan_customers (
    customer_id INT PRIMARY KEY,
    city VARCHAR(50),
    industry VARCHAR(50),
    loan_amount DECIMAL(12, 2),
    annual_rate DECIMAL(5, 4),
    default_flag INT
);

这段 SQL 的意思是：创建一张名为 micro_loan_customers 的表。customer_id 是主键，每个客户只能有一个唯一编号。loan_amount 用于保存贷款金额，default_flag 用 0 或 1 表示是否违约。

INSERT INTO micro_loan_customers
(customer_id, city, industry, loan_amount, annual_rate, default_flag)
VALUES
(1, '杭州', '餐饮', 80000, 0.0580, 0),
(2, '宁波', '零售', 120000, 0.0620, 0),
(3, '温州', '制造', 200000, 0.0680, 1),
(4, '嘉兴', '物流', 150000, 0.0600, 0);

插入数据后，就可以查询。例如，查看所有客户，或者计算不同城市的平均贷款金额。

SELECT * FROM micro_loan_customers;

SELECT city, AVG(loan_amount) AS avg_loan
FROM micro_loan_customers
GROUP BY city;

5. 用 Python 连接 MySQL

Python 连接 MySQL 的基本思路是：安装驱动，准备连接信息，建立连接，执行 SQL，最后把结果读入 Pandas 做进一步分析。

pip install pymysql pandas

下面是一段最小连接代码。实际使用时，不要把真实密码写进公开网页、公开仓库或截图中。这里用占位符表示。

import pymysql
import pandas as pd

connection = pymysql.connect(
    host="你的数据库地址",
    port=3306,
    user="你的用户名",
    password="你的密码",
    database="inclusive_finance",
    charset="utf8mb4"
)

sql = """
SELECT city, industry, loan_amount, annual_rate, default_flag
FROM micro_loan_customers
WHERE loan_amount >= 100000
"""

df = pd.read_sql(sql, connection)
print(df)

connection.close()

这段代码最重要的不是记住每个参数，而是理解每个参数的含义：host 是数据库服务器地址，port 通常是 3306，user 和 password 是账号密码，database 是要连接的数据库名称。

如果连接失败，先检查四件事：数据库是否启动；账号和密码是否正确；数据库名是否写对；如果是云数据库，是否设置了白名单或安全组。

6. 用 Python 写入数据

读取数据库只是第一步。很多实际项目中，还需要把清洗后的结果或模型输出写回数据库。下面示例插入一条新的客户记录。

import pymysql

connection = pymysql.connect(
    host="你的数据库地址",
    port=3306,
    user="你的用户名",
    password="你的密码",
    database="inclusive_finance",
    charset="utf8mb4"
)

sql = """
INSERT INTO micro_loan_customers
(customer_id, city, industry, loan_amount, annual_rate, default_flag)
VALUES (%s, %s, %s, %s, %s, %s)
"""

data = (5, "绍兴", "批发", 90000, 0.0610, 0)

with connection.cursor() as cursor:
    cursor.execute(sql, data)
    connection.commit()

connection.close()

这里的 %s 是参数占位符。不要用字符串拼接方式把用户输入直接拼进 SQL，因为那样容易出现 SQL 注入风险。虽然本节只是入门，但从一开始就要养成安全写法。

7. 练习环境怎么选择

练习 MySQL 有多种方式，不必所有同学都购买云服务。可以根据学习目的和成本选择。

8. 阿里云 MySQL 服务入口与购买思路

如果选择云端 MySQL，可以从阿里云官方页面开始。不要只看价格，也要看地域、版本、白名单、安全组、备份策略和是否需要公网访问。

1. 选择地域。如果以后要和网站或服务器配合，数据库和服务器尽量放在同一地域，便于内网访问并降低延迟。
2. 选择 MySQL 版本。初学练习优先选择常见版本，例如 MySQL 8.0；如果学院服务器已经提供版本，以老师提供环境为准。
3. 创建数据库和账号。不要直接使用最高权限账号做日常练习。建议创建专门的课程账号，只能访问课程数据库。
4. 配置访问控制。云数据库如果需要从本机连接，通常要配置白名单或安全组。不要把 3306 端口对所有公网地址开放。
5. 保存连接信息。主机地址、端口、数据库名、用户名和密码要妥善保存，不要写进公开网页或 GitHub 仓库。

9. 学院服务器和本机安装的简单指导

# 如果使用 Docker，可参考这样的练习命令
docker run --name mysql-course \
  -e MYSQL_ROOT_PASSWORD=course_password \
  -e MYSQL_DATABASE=inclusive_finance \
  -p 3306:3306 \
  -d mysql:8.0

安全要求：真实业务数据、个人信息、银行流水、客户联系方式等敏感数据不能放进公开练习环境。课程示例应使用合成数据或脱敏数据。

10. 本节练习