在最近的Pandas中，索引将保存在数据库中(您过去必须先reset_index)。
遵循文档(在内存中设置SQLite连接)：

import sqlite3
# Create your connection.
cnx = sqlite3.connect(':memory:')

• 注：您也可以在此处传递一个SQLAlChemy引擎(参见答案末尾)。*

我们可以将price2保存到cnx：

price2.to_sql(name='price2', con=cnx)

我们可以通过read_sql检索：

p2 = pd.read_sql('select * from price2', cnx)

但是，当存储(和检索)**日期时，日期是unicode**而不是Timestamp。要转换回我们开始的内容，我们可以使用pd.to_datetime：

p2.Date = pd.to_datetime(p2.Date)
p = p2.set_index('Date')

我们得到与prices相同的DataFrame：

In [11]: p2
Out[11]: 
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1006 entries, 2009-01-02 00:00:00 to 2012-12-31 00:00:00
Data columns:
AAPL    1006  non-null values
GE      1006  non-null values
dtypes: float64(2)

您还可以使用SQLAlchemy engine：

from sqlalchemy import create_engine
e = create_engine('sqlite://')  # pass your db url

price2.to_sql(name='price2', con=cnx)

这允许您使用read_sql_table(它只能与SQLAlChemy一起使用)：

pd.read_sql_table(table_name='price2', con=e)
#         Date   AAPL     GE
# 0 2009-01-02  89.95  14.76
# 1 2009-01-05  93.75  14.38
# 2 2009-01-06  92.20  14.58
# 3 2009-01-07  90.21  13.93
# 4 2009-01-08  91.88  13.95

不幸的是，就目前公认的答案而言，pandas.io.write_frame不再存在于较新版本的Pandas中。例如，我使用的是Pandas0.19.2。你可以做一些类似的事情

from sqlalchemy import create_engine

disk_engine = create_engine('sqlite:///my_lite_store.db')
price.to_sql('stock_price', disk_engine, if_exists='append')

然后依次使用以下内容预览表：

df = pd.read_sql_query('SELECT * FROM stock_price LIMIT 3',disk_engine)
df.head()

以下是为我工作的代码。我能够将其写入SQLite DB。

import pandas as pd
import sqlite3 as sq
data = <This is going to be your pandas dataframe>
sql_data = 'D:\\SA.sqlite' #- Creates DB names SQLite
conn = sq.connect(sql_data)
cur = conn.cursor()
cur.execute('''DROP TABLE IF EXISTS SA''')
data.to_sql('SA', conn, if_exists='replace', index=False) # - writes the pd.df to SQLIte DB
pd.read_sql('select * from SentimentAnalysis', conn)
conn.commit()
conn.close()

sqlite3最小示例

基于Keertesh Kumar's answer。

将DF写入SQLite

import pandas as pd
import sqlite3 as sq

df = pd.DataFrame({'col1': [1, 2], 'col2': [3, 4]})
table_name = "test" # table and file name

conn = sq.connect('{}.sqlite'.format(table_name)) # creates file
df.to_sql(table_name, conn, if_exists='replace', index=False) # writes to file
conn.close() # good practice: close connection

读取SQLITE到DF

conn = sq.connect('{}.sqlite'.format(table_name))
df = pd.read_sql('select * from {}'.format(table_name), conn)
conn.close()

Pandasread_sql可以为您设置索引。
以from Andy Hayden's answer above为例，而不是：

p2 = pd.read_sql('select * from price2', cnx)
# When stored (and retrieved) dates are unicode rather than Timestamp. 
# Convert back to what we started with we can use pd.to_datetime:
p2.Date = pd.to_datetime(p2.Date)
p2 = p2.set_index('Date')

您可以简单地执行以下操作：

p2 = pd.read_sql('select * from price2', cnx, index_col='Date', parse_dates=['Date'])

这将自动将日期列设置为索引，并同时将其转换为时间戳。