我发现尽管只支持sqlite，但pandas.io.sql.read_sql方法可以通过查询Microsoft Access数据库来创建数据帧。
driver_string="DRIVER={Microsoft Access Driver (*.mdb)}"
file_string = "DBQ="+"test.mdb"
connection_string = ";".join([driver_string, file_string])
cnxn = pyodbc.connect(connection_string)
cursor = cnxn.cursor()
df = pd.read_sql("SELECT * FROM testTable", con=cnxn, index_col = ["indexCol"])
我对阅读数据更感兴趣，不太可能回写到数据库。我还使用包含连接的更复杂查询对此进行了测试，但它似乎运行良好。
有人能告诉我这里有危险吗？这似乎比使用SQLAlchemy（它也不支持Access）简单得多。
我很感激任何人的洞察力。
答案 0 :(得分：2)
要明确，read_sql在使用DBAPI连接对象时才正式支持sqlite，使用sqlalchemy引擎时，read_sql支持所有可以提供sqlalchemy引擎的数据库（PostgreSQL，MySQL， SQL Server，Oracle，..等等，请参阅http://docs.sqlalchemy.org/en/rel_0_9/dialects/index.html）。
但确实，虽然只有sqlite被官方支持，但它也适用于其他数据库。目前，sqlite后备的实现仅依赖于conn.cursor()，cursor.execute()方法以及cursor.fetchmany()或cursor.fetchall()方法的可用性。
因此，只要您的连接对象提供这些（并且如果它符合DBAPI2，它将会），这将起作用。
虽然将来很可能不会改变，但不能保证（它仅针对sqlite3进行了测试）。请注意，有一个sqlalchemy访问项目（https://bitbucket.org/zzzeek/sqlalchemy-access），但最近似乎没有引起太多关注（另见connecting sqlalchemy to MSAccess）。
对于read_sql，上面的描述是正确的，用to_sql写入访问数据库肯定不会起作用（这实际上只适用于sqlite3，因为实现依赖于更多sqlite3特定的东西）。