Python是一门广受欢迎的编程语言，它拥有许多优秀的第三方库和工具，可以帮助我们处理数据。其中pandas是其中一种非常流行的数据分析库，它为我们提供了许多强大的数据操作函数，其中read_sql就是一个十分常用的函数。在使用read_sql函数时，我们可能会遇到需要查询包含某个字符串的数据的情况，这时候我们可以使用SQL语句中的LIKE关键字来实现。

首先，让我们来看一下read_sql函数的基本用法。read_sql函数可以从SQL查询中返回数据，并将其存储为DataFrame类型的数据结构。它的基本语法如下：

import pandas as pd
import sqlite3

conn = sqlite3.connect('example.db')
df = pd.read_sql(sql_query, conn)

其中，sql_query是一个字符串类型的参数，用于指定要执行的SQL查询语句。conn是一个连接对象，用于连接数据库。通过这个函数，我们可以将数据库中的数据读取到Python中，并进行进一步的操作和分析。

当我们需要查询包含某个字符串的数据时，可以使用SQL中的LIKE关键字。LIKE关键字可以用于模糊匹配查询，它允许我们使用通配符来代替部分字符。通配符%表示匹配任意数量的任意字符，而_表示匹配单个任意字符。

例如，假设我们有一个包含用户信息的表user_info，其中包含了用户名、邮箱和电话号码等信息。现在我们想要查询所有邮箱地址中包含“@gmail.com”这个字符串的用户信息，我们可以使用如下SQL语句：

SELECT * FROM user_info WHERE email LIKE '%@gmail.com%';

其中，％表示匹配任意数量的任意字符。

在Python中，我们只需要将上述SQL查询语句嵌入到read_sql函数的sql_query参数中即可执行查询操作，并将结果存储为DataFrame类型的数据结构。具体代码示例如下：

import pandas as pd
import sqlite3

conn = sqlite3.connect('example.db')
query = "SELECT * FROM user_info WHERE email LIKE '%@gmail.com%'"
df = pd.read_sql(query, conn)

这样，我们就可以得到所有邮箱地址中包含“@gmail.com”这个字符串的用户信息，并以DataFrame类型的数据结构返回查询结果。

总之，pandas中的read_sql函数是一个非常强大的数据读取函数，它可以帮助我们从SQL查询中读取数据，并将其存储为DataFrame类型的数据结构。当我们需要查询包含某个字符串的数据时，可以使用SQL中的LIKE关键字进行模糊匹配查询。在Python中，我们只需要将SQL语句嵌入到read_sql函数的sql_query参数中即可执行查询操作并返回结果。这些功能的组合使得pandas成为一个非常便捷的数据分析工具，可以帮助我们更加高效地处理数据分析任务。