常见的种Pyton 数据处理方式：

方式一：cursor.execute(sql_query) 和 cursor.fetchall()

# 构建SQL查询语句
    sql_query = f"SELECT 时间, 城市, GDP FROM table_1 WHERE date >= '{start_date}' AND date <= '{end_date}'"

    # 执行SQL查询
    cursor = conn.cursor()
    cursor.execute(sql_query)
    results = cursor.fetchall()

    # 处理查询结果
    df = pd.DataFrame(results, columns=['时间', '城市', 'GDP'])

cursor.execute(sql_query)和results = cursor.fetchall()是Python中标准库sqlite3模块中的方法，用于执行SQL查询并获取查询结果。使用这种方式时，

需要首先创建一个cursor对象，

然后使用该对象的execute()方法执行SQL查询。

执行查询后，可以使用fetchall()方法获取查询结果，该方法返回一个包含所有查询结果的列表。

然后，可以将该列表转换为Pandas DataFrame，并指定DataFrame的列名。

使用这种方式执行SQL查询需要更多的代码，但是可以更加灵活地控制查询过程和结果的处理。

方式二：pd.read_sql_query()

    # 查询MySQL数据
    query = f"SELECT date, metric1, metric2 FROM your_table WHERE date >= '{start_date}' AND date <= '{end_date}'"
    df = pd.read_sql_query(query, conn)

是Pandas库中的一个函数，它可以直接执行SQL查询并将查询结果存储在一个Pandas DataFrame中。该方法的参数包括SQL查询语句和数据库连接对象。使用该方法时，不需要创建cursor对象或者调用fetchall()方法获取查询结果，因为该方法会自动完成这些操作。因此，使用pd.read_sql_query()方法可以更加简洁和方便地执行SQL查询并将结果转换为DataFrame。

总的来说，

pd.read_sql_query()方法更加简单和直接，适用于简单的SQL查询和结果转换；而cursor.execute()和fetchall()方法更加灵活，适用于需要更多控制和处理的复杂查询。