Pandas中的DataFrame数据既可以存储在SQL数据库中，也可以直接存储在CSV文件中。

数据库

1. dataframe.to_sql()函数将DataFrame数据存储到数据库中。

name :数据表的名称， string, Name of SQL table

con : 数据库的链接，SQLAlchemy engine or DBAPI2 connection (legacy mode)

if_exists : 如果SQL表已经存在的处理方式，{‘fail’, ‘replace’, ‘append’}, default ‘fail’

​  取消存储， fail: If table exists, do nothing.

​  替换SQL表，replace: If table exists, drop it, recreate it, and insert data.

​  附加在SQL表后，append: If table exists, insert data. Create if does not exist.

​index : 是否将行标签存入SQL表，boolean, default
True, Write DataFrame index as a column.​

index_label : 如果存储行标签，指定该列的名称，string or sequence, default None, Column
label for index column(s). 

2. pandas.read_sql()函数将SQL表读入DataFrame。

​sql : 要读取的SQL表，string, database table name.

con : 与数据库的链接，SQLAlchemy engine

index_col : 指定用于行标签的列，string, optional, column
name to use as index for the returned DataFrame object.

CSV文件

1. dataframe.to_csv()函数将DataFrame数据存储在指定的csv文件中。该函数常用的参数有

columns : 指定需要存储的列，Columns to write

header : 是否把列的名字写入CSV文件, boolean, default True. Write out column names. If a list of string is given it is assumed to be aliases for the column names

index : 是否把index写入CSV文件，boolean, default True.Write row labels (index)

index_label : 如果将index写入CSV文件，那么给出index列的标签（列的名字），string or sequence, or False, default None. 

2. pandas.read_csv()函数将CSV文件中的数据读入DataFrame。

header : CSV文件的列名所在的行， int, list of ints.  Row number(s) to use as the column names, and the start of the data. Defaults
to 0 if no names passed, otherwise None. 

index_col : 指定行标签所在的列，int or sequence or False, default None. Column to use as the row labels of the DataFrame. 

names : 列的名称，array-like. List of column names to use. 

总结：

相同点：​

1. 存储时，CSV和SQL都默认存储行标签（index），因此需要指定存储行标签列的名字，index_label。

2. 读取时，CSV和SQL都需要指定哪一列是行标签（index）列，index_col，不同的是CSV是通过列的序号指定，SQL是通过列的名字指定。​

不同点：

1. SQL一定会存储列标签，CSV可以存储列标签也可以不存储列标签。​