Como Converter Consultas SQL em DataFrames Pandas com read_sql_query()

Como Converter Consultas SQL em DataFrames Pandas com read_sql_query()

A função pd.read_sql_query() do Pandas permite executar uma instrução SQL em um banco de dados e carregar o conjunto de resultados diretamente em um DataFrame. Essa abordagem elimina a necessidade de iterar manualmente sobre cursores ou converter listas de tuplas, otimizando a ingestão de dados em pipelines de análise e ciência de dados.

Python

import sqlite3
import pandas as pd

# Conecta ao banco de dados (exemplo usando SQLite em memória)
conn = sqlite3.connect(':memory:')

# Prepara dados de teste na tabela 'vendas'
conn.execute('''
    CREATE TABLE vendas (
        id INTEGER PRIMARY KEY,
        produto TEXT,
        valor REAL,
        data TEXT
    )
''')
conn.executemany(
    'INSERT INTO vendas (produto, valor, data) VALUES (?, ?, ?)',
    [('Teclado', 250.00, '2026-03-10'), ('Mouse', 120.50, '2026-03-11')]
)
conn.commit()

# -----------------------------------------------------------------------------
# Ingestão direta da consulta SQL para DataFrame Pandas
# -----------------------------------------------------------------------------
query = '''
    SELECT produto, valor 
    FROM vendas 
    WHERE valor > ?
'''

# Executa a query e carrega os dados diretamente no DataFrame
df = pd.read_sql_query(sql=query, con=conn, params=(150.00,))

# Exibe o DataFrame resultante
print(df)

# Fecha a conexão após a leitura
conn.close()

• Integração Nativa de Tipos: O Pandas infere automaticamente os tipos de dados das colunas do banco de dados (inteiros, floats, strings) ao mapear a estrutura para a tabela do DataFrame.
  
  
• Suporte a Parâmetros Seguros: O argumento params aceita tuplas ou dicionários para a passagem de variáveis parametrizadas, prevenindo falhas de SQL Injection.
  
  
• Compatibilidade com SQLAlchemy: Embora funcione diretamente com conexões sqlite3, em ambientes de produção com PostgreSQL ou MySQL é recomendável passar um Engine do SQLAlchemy no parâmetro con.
  
  
• Gerenciamento de Memória: Para conjuntos de dados massivos, utilize o parâmetro chunksize para ler o resultado da consulta em lotes menores em vez de carregar tudo na memória RAM de uma só vez.