pandas.read_sql()是读取MySQL数据的首选方法，需先创建SQLAlchemy引擎，支持参数化查询防注入；read_sql_table()仅适用于无条件全表读取；大数据量应分块处理，优先SQL层聚合。
用 pandas.read_sql() 读取 MySQL 数据最直接
绝大多数情况下，pandas.read_sql() 是首选。它底层调用 SQLAlchemy，兼容性好、语法简洁，且能自动推断列类型（如 DATETIME → datetime64[ns]）。
关键前提是先建好 SQLAlchemy 引擎：
from sqlalchemy import create_engine
engine = create_engine('mysql+pymysql://user:password@localhost:3306/dbname')然后读取：
import pandas as pd
df = pd.read_sql("SELECT * FROM users WHERE created_at > '2024-01-01'", engine)- SQL 语句必须是字符串，不支持参数化查询的占位符（如
%s），要用params=参数传入 - 若 SQL 含变量，推荐用
pd.read_sql("SELECT * FROM t WHERE id = %(id)s", engine, params={'id': 123}) - 避免直接拼接字符串防 SQL 注入，尤其是用户输入参与查询时
read_sql_table() 只适合整表导出，不支持 WHERE 或 JOIN
pd.read_sql_table() 本质是“把整张表当视图读”，不走 SQL 解析，所以不能加条件、不能关联其他表，也不能用函数或别名。它快，但场景极窄。
适用情形只有：确认要全量加载某张小表，且表结构稳定、无敏感字段。
- 必须指定
table_name和con（引擎），不能传 SQL 字符串 - 支持
schema参数读取非默认 schema 的表，例如read_sql_table('logs', engine, schema='prod') - 如果表有自增主键，可配合
chunksize分批读，但注意它不会自动按主键排序，需额外加ORDER BY—— 此时不如直接用read_sql()
MySQL 连接驱动选 pymysql 还是 mysqlclient？
两者都支持，但行为有差异：pymysql 纯 Python 实现，安装简单（pip install pymysql），Windows/macOS 兼容性好；mysqlclient 是 C 扩展，性能略高，但编译依赖多（尤其 macOS 需 Xcode command line tools）。
连接字符串写法不同：
mysql+pymysql://...-
mysql://...或mysql+mysqldb://...（mysqlclient对应协议名是mysqldb）
常见报错 ModuleNotFoundError: No module named 'MySQLdb' 就是因为装了 pymysql 却写了 mysql://——此时要么改协议名为 mysql+pymysql://，要么装 mysqlclient。
大数据量读取卡死或内存爆掉怎么办
直接 read_sql("SELECT * FROM huge_table", engine) 容易 OOM。核心思路是分块 + 流式处理，而非一次性加载。
- 用
chunksize参数返回迭代器：for chunk in pd.read_sql("SELECT * FROM events", engine, chunksize=10000): process(chunk) - 确保 MySQL 服务端允许长连接和大结果集，检查
max_allowed_packet和wait_timeout - 如果只需聚合结果（如统计 UV），优先在 SQL 层计算：
read_sql("SELECT DATE(created_at), COUNT(DISTINCT uid) FROM logs GROUP BY DATE(created_at)", engine)，别把原始日志全拉过来 - 注意
chunksize不是行数上限，而是每次 fetch 的记录数，实际 chunk 大小还受字段长度影响
真正难处理的是带复杂 JOIN 和子查询的大宽表——这种得靠数据库侧优化索引或物化中间结果，pandas 层没太多办法。
