read_sql的con参数必须传SQLAlchemy Engine实例而非原始连接；WHERE条件须用params防注入；大数据量需chunksize流式读；datetime字段异常需检查驱动版本或强制转换。
read_sql 读取 SQL 查询结果时，必须传 engine 而不是 connection
很多人卡在 read_sql 报错 TypeError: read_sql() missing 1 required positional argument: 'con'，其实是因为混淆了 con 参数的类型。它要的是一个 SQLAlchemy Engine 实例（比如 create_engine(...) 返回的），不是原始的 sqlite3.Connection 或 psycopg2.connection。
常见错误写法：conn = sqlite3.connect("db.db"); pd.read_sql("SELECT * FROM t", conn) —— 这会失败。
- 正确做法：用
sqlalchemy.create_engine构建engine，再传给con=engine - MySQL/PostgreSQL 需要安装对应驱动（
pymysql、psycopg2），否则create_engine初始化就报错 - SQLite 可直接用
"sqlite:///xxx.db"，但注意三个斜杠；相对路径默认从当前工作目录算起，不是脚本所在目录
WHERE 条件里含 Python 变量，别拼字符串，用 params 防注入
直接用 f-string 或 % 拼接 SQL 是高危操作，尤其变量来自用户输入或文件。Pandas 的 read_sql 支持 params 参数透传给底层 driver，自动处理转义和类型适配。
错误示例：f"SELECT * FROM users WHERE age > {min_age}" —— 遇到 min_age = "18; DROP TABLE users;" 就完蛋。
- 安全写法：写成
read_sql("SELECT * FROM users WHERE age > %(min_age)s", engine, params={"min_age": min_age}) - 不同数据库占位符不同：
?（SQLite）、%s（MySQL）、%(name)s（PostgreSQL），统一用命名式最稳妥 -
params只支持 WHERE 值替换，不能用于表名、列名或 ORDER BY 字段——这些得靠白名单校验后拼接
大数据量查询别用 read_sql 全拉，加 chunksize 流式读
查几百万行还用 read_sql("SELECT * FROM huge_table", engine)，内存直接爆，Python 进程可能被系统 kill。这不是 Pandas 的 bug，是设计使然：它默认把整个结果集 load 到内存构造成 DataFrame。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
现象：程序卡住、内存占用飙升、Jupyter kernel restart。
- 加
chunksize=10000，返回的是Iterator[pd.DataFrame]，每次只读 1 万行 - 适合做分批处理：统计、清洗、写入其他库，避免一次性 hold 所有数据
- 注意：
chunksize不影响 SQL 执行逻辑，只是客户端侧分页；真要服务端分页得手写 LIMIT/OFFSET 或游标查询
datetime 字段读出来是 object 类型？检查数据库时区和 SQLAlchemy 类型映射
PostgreSQL 的 TIMESTAMP WITH TIME ZONE 或 MySQL 的 DATETIME 读进 Pandas 后变成 object，而不是 datetime64[ns]，后续 dt.year 就报错。这通常不是 Pandas 问题，而是 driver 或 engine 层没正确识别类型。
- 确认数据库字段实际类型：用
SELECT column_name, data_type FROM information_schema.columns查 - 升级
sqlalchemy和对应 driver（旧版对时区支持弱） - 强制转换：加
parse_dates=["created_at"]参数，或之后调df["created_at"] = pd.to_datetime(df["created_at"]) - SQLite 没原生 datetime 类型，存的是字符串或整数，必须靠
parse_dates或自定义dtype
真正麻烦的不是语法，是 database URL 写错、driver 没装、时区隐式转换、大表没分块——这些地方一漏，查半天都看不出哪错了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
