大家好，歡迎來到數據新手村的第二十九天！昨天，我們完成了第一個端到端的分析專案，成功計算出了 Olist 平台的「月銷售額」並用圖表呈現。

但這個 monthly_sales DataFrame 目前只是一個暫存於記憶體中的變數，一旦我們關閉 PyCharm，所有辛苦計算的成果都會消失。

我們當然可以將它存成一個新的 CSV 檔案，但更專業、更具擴展性的作法，是將這個聚合後的、高價值的分析結果，存入我們在 Day 05 建立的 MySQL「數據金庫」中。

今天，我們就要來打通 Python 與 MySQL 之間的「任督二脈」，完成從數據分析 (Python) -> 數據儲存 (MySQL) -> 數據驗證 (SQL) 的完整閉環。

1. 準備工作：安裝 Python 的資料庫「驅動程式」

就像電腦需要驅動程式才能跟印表機溝通一樣，Python (Pandas) 也需要一個「驅動程式」或「連接器 (Connector)」才能與 MySQL 資料庫對話。

Pandas 在底層是透過一個名為 SQLAlchemy 的函式庫來操作資料庫的，而 SQLAlchemy 又需要一個針對特定資料庫的連接器。對於 MySQL，最常用的就是 mysql-connector-python。

• 操作： 請在 PyCharm 下方的「終端機 (Terminal)」中，輸入並執行以下兩個安裝指令：

pip install SQLAlchemy
pip install mysql-connector-python

2. 從 Pandas 到 MySQL：df.to_sql() 的魔法

安裝好驅動程式後，我們就可以開始建立連線，並將 DataFrame 寫入資料庫了。

步驟一：建立資料庫引擎 (Engine)
我們需要先建立一個「資料庫引擎」，它包含了連線到 MySQL 所需的所有資訊。

import pandas as pd
from sqlalchemy import create_engine

# --- 準備 Day 28 的分析結果 ---
# (此處省略數據準備過程，直接使用聚合後的數據)
monthly_sales_data = {
    'purchase_month': range(1, 13),
    'payment_value': [27150, 26917, 34260, 39220, 45148, 41604, 
                      48074, 52438, 30225, 34812, 47714, 23999] # 簡化範例數據
}
monthly_sales_df = pd.DataFrame(monthly_sales_data)


# --- 步驟 1: 建立資料庫連線字串 ---
# 格式: 'mysql+mysqlconnector://使用者名稱:密碼@主機:埠號/資料庫名稱'
# ⚠️ 請務必將 YOUR_PASSWORD 換成您 Day 05 設定的 root 密碼！
db_connection_str = 'mysql+mysqlconnector://root:YOUR_PASSWORD@localhost:3306/olist_db'

# --- 步驟 2: 建立資料庫引擎 ---
db_engine = create_engine(db_connection_str)

print("資料庫引擎建立成功！")

輸出結果：
資料庫引擎建立成功！

步驟二：使用 .to_sql() 寫入數據

有了引擎之後，寫入資料就只需要一行神奇的程式碼：df.to_sql()。

# --- 步驟 3: 使用 .to_sql() 將 DataFrame 寫入資料庫 ---
monthly_sales_df.to_sql(
    name='monthly_sales_summary', # 在 MySQL 中要建立的新資料表名稱
    con=db_engine,               # 使用我們剛建立的連線引擎
    if_exists='replace',         # 如果資料表已存在，就先刪除再重建
    index=False                  # 不要將 Pandas 的 index (0, 1, 2...) 寫入資料庫
)

print("數據已成功寫入 MySQL 資料庫中的 'monthly_sales_summary' 資料表！")

輸出結果：
數據已成功寫入 MySQL 資料庫中的 'monthly_sales_summary' 資料表！

3. 在 DBeaver 中驗證成果 (見證奇蹟！)

程式碼執行成功了，但數據真的進到我們的「金庫」了嗎？眼見為憑！
打開我們在 Day 06 安裝的 DBeaver。
在左側的「資料庫導覽器」中，找到 olist_db 資料庫。
對著 olist_db 底下的「資料表 (Tables)」按右鍵，選擇「重新整理 (Refresh)」。

您會驚喜地發現，清單中出現了一張我們剛剛用 Python 建立的新資料表，名為 monthly_sales_summary！

對著這張新資料表按右鍵，選擇「檢視資料 (View Data)」

或者打開一個新的 SQL 編輯器，輸入我們最熟悉的 SQL 查詢：

USE olist_db; -- 先告訴伺服器我們要進入 olist_db 這個部門
SELECT * FROM monthly_sales_summary ORDER BY purchase_month;

輸出結果：

看到查詢結果了嗎？這證明我們已經成功打通了從 Python 分析到 SQL 儲存的「任督二脈」！

結語

今天，我們完成了數據工作流的最後一塊拼圖。我們學會了如何：

1. 安裝必要的 Python 套件來連接資料庫。
2. 建立 SQLAlchemy 引擎。
3. 使用 df.to_sql() 將我們的分析成果永久儲存到 MySQL 中。
4. 使用 DBeaver 和 SQL 來驗證我們的儲存結果。

我們的 30 天數據新手村之旅即將抵達終點。我們從零開始，安裝了所有工具，學會了 NumPy, Pandas, Matplotlib，甚至打通了 Python 與 SQL 的橋樑。

明天，也是本系列的最後一天，Day 30，我們將一起回顧這趟精彩的旅程，做一次完整的「挑戰總結與未來展望」，為我們的冒險畫上一個完美的句點。