京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:星安果
来源:AirPython
聊到 python中的Redis,本篇文章继续说另外一种比较常用的数据库:Sqlite。
Sqlite 是一种 嵌入式数据库,数据库就是一个文件,体积很小,底层由 C 语言编写,经常被集成到移动应用程序中事实上,python 内置了 sqlite3 模块,不需要安装任何依赖,就可以直接操作 Sqlite 数据库
——准备
和 Python 操作 Mysql 类似,操作 Sqlite 主要包含下面 2 种方式:
——sqlite3 + 原生 SQL
由于 Python 内置了 sqlite3 模块,这里直接导入就可以使用了
# 导入内置模块sqlite3 import sqlite3
首先,我们使用 sqlite3 的 connnect() 方法创建一个数据库连接对象,如果数据库不存在,就自动在对应目录下新建一个数据库文件
# 创建数据库连接对象,如果数据库不存在,就自动新建一个数据库文件 # 还可以指定其他参数,包含:超时时间 self.conn = sqlite3.connect(self.path_db)
然后,通过数据库连接对象获取一个操作数据库的 游标实例
# 获取操作数据库的游标对象 self.cursor = self.conn.cursor()
接着,使用数据库连接对象执行创建表的 SQL 语句,在数据库内新建一张表
# 创建表 SQL_CREATE_TABLE = '''CREATE TABLE IF NOT EXISTS PEOPLE (ID INT PRIMARY KEY NOT NULL, NAME TEXT NOT NULL, AGE INT NOT NULL);''' def create_db_table(self): """ 初始化表 :return: """ self.conn.execute(SQL_CREATE_TABLE)
接下来,我们通过增删改查来操作数据表
1、新增
同样以新增单条数据和多条数据为例。对于单条数据的插入,只需要编写一条插入的 SQL 语句,然后作为参数执行上面数据库连接对象的 execute(sql) 方法,最后使用数据库连接对象的 commit() 方法将数据提交到数据库中
# 插入一条数据 SQL_INSERT_ONE_DATA = "INSERT INTO PEOPLE(id,name,age) VALUES(3,'xag',23);" def insert_one(self): """新增一条数据""" try: self.conn.execute(SQL_INSERT_ONE_DATA) # 必须要提交,才能正确执行 self.conn.commit() except Exception as e: self.conn.rollback() print('插入一条记录失败,回滚~')
需要注意的是,插入操作经常会因为主键原因导致新增异常,所以需要捕获异常,执行回滚操作。
使用数据库连接对象的 executemany() 方法,传入插入的 SQL 语句及 位置变量列表,可以实现一次插入多条数据。
# 插入多条数据(3个变量,包含:id、name、value) SQL_INSERT_MANY_DATA = 'INSERT INTO PEOPLE (id,name,age) VALUES(?,?,?);' # 待插入的数据 self.data = [(4, '张三', 11), (5, '李四', 12), (6, '王五', 13)] def insert_many(self, data): """新增多条数据""" try: self.conn.executemany(SQL_INSERT_MANY_DATA, data) self.conn.commit() except Exception as e: self.conn.rollback() print('插入多条记录失败,回滚~')
2、查询
查询分为 2 步,分别是:
比如:
要获取所有数据,可以使用游标对象的 fetchall() 方法
要获取第一条满足条件的数据,可以使用 fetchone() 方法
另外,fetchmany(num) 可以查询固定数量的数据
# 查询的SQL语句 SQL_QUERY_ONE_DATA = "SELECT * FROM PEOPLE WHERE id={}" def query_one(self, id): """ 查询一条数据 :param id: :return: """ self.cursor.execute(SQL_QUERY_ONE_DATA.format(id)) # fetchone():查询第一条数据 # fetchall():查询所有数据 # fetchmany(1):查询固定的数量的数据 result = self.cursor.fetchall() print(type(result)) print(result)
3、更新
和 新增操作 类似,更新操作也是通过数据库连接对象去执行更新的 SQL 语句,最后执行提交操作,将数据真实更新到数据表中
以更新某一条记录为例
# 更新数据 SQL_UPDATE_ONE_DATA = "UPDATE PEOPLE SET NAME = '{}',AGE={} where id = {}" def update_one(self, id, name, age): """ 修改一条记录 :param id: :param name: :param age: :return: """ sql_update = SQL_UPDATE_ONE_DATA.format(name, age, id) print(sql_update) self.conn.execute(sql_update) self.conn.commit()
4、删除
删除操作同查询、新增操作类似,只需要执行删除的 SQL 语句即可
以删除某一条记录为例
# 删除数据 SQL_DEL_ONE_DATA = "DELETE FROM PEOPLE where id ={}" def del_one(self, id): """通过id去删除一条数据""" sql_del = SQL_DEL_ONE_DATA.format(id) self.conn.execute(sql_del) self.conn.commit()
最后,我们同样需要将游标对象和数据库连接对象,资源释放
def teardown(self): # 关闭游标和数据库连接,避免资源浪费 self.cursor.close() self.conn.close()
——SQLAlchemy + ORM
使用 SQLAlchemy 操作 sqlite 数据库同样先需要安装依赖库
# 安装依赖包 pip3 install sqlalchemy
通过内置方法 declarative_base() 创建一个基础类 Base。然后,自定义一个 Base 类的子类,内部通过定义静态变量指定表名、表的字段。
from sqlalchemy import Column, Integer, String, create_engine from sqlalchemy.ext.declarative import declarative_base # 基础类 Base = declarative_base() # 自定义的表 class People(Base): # 表名 __tablename__ = 'people' # 定义字段 id = Column(Integer, primary_key=True) name = Column(String) age = Column(Integer) def __repr__(self): """ 便于打印结果 :return: """ return "接着,通过 SQLAlchemy 的 create_engine(sqlite数据库路径) 方法中创建数据库连接对象,格式为:sqlite:///数据库相对路径
# 创建数据库连接 engine = create_engine('sqlite:///./xh.db', echo=True)最后,通过数据库引擎在数据库中创建表结构,并实例化一个 数据库会话对象
PS:数据库会话对象内置的方法非常方便我们进行增删改查操作
# 创建表结构 # checkfirst:判断表是否存在,如果存在,就不重复创建 Base.metadata.create_all(engine, checkfirst=True) # 实例化会话 self.session = sessionmaker(bind=engine)()这样所有的准备工作已经完成,接下来可以进行增删改查操作了。
1、新增
新增操作同样以新增一条和多条记录为例,它们分别对应会话对象的 add()、add_all() 方法。
对于一条记录的新增操作,只需要实例化一个 People 对象,执行上面的会话对象的 add(instance)和 commit() 两个方法,即可以将数据插入到数据表中。
def add_one_data(self): """新增一条数据""" # 创建一个表的实例对象 people = People(name='xag1', age=24) self.session.add(people) # 必须提交,才能更新到数据库中 self.session.commit()如果需要一次插入多条数据,只需要调用 add_all(列表数据) 即可。
def add_datas(self, data): """ 新增多条数据 :return: """ self.session.add_all(data) self.session.commit()2、查询
查询数据表的操作对应会话对象的 query() 方法
同时,还可以结合 all()、first()、filter_by(限制条件) 级联方法限制要查询的数据
以查询所有记录和根据 id 查询一条记录为例
def query_one_data(self, id): """ 通过id去查询一条数据 :param id: :return: """ # 通过id去查询数据,取第一条 people = self.session.query(People).filter_by(id=id).first() print(people) print(type(people)) def query_all(self): """ 查询所有数据 :return: """ peoples = self.session.query(People).all() print(peoples) print(type(peoples))3、更新
更新操作一般做法是:
- query 查询出待更新的对象
- 直接更新对象中的数据
- 使用会话对象提交修改,完成更新操作
def update1(self, id, name, age): """ 更新记录 :param id: :param name: :param age: :return: """ # 更新步骤:先查询、修改数据、然后确认修改 people_temp = self.session.query(People).filter_by(id=id).first() # 修改数据 people_temp.name = name people_temp.age = age # 确认提交修改 self.session.commit()需要指出的是,这里也可以使用内置方法 update() ,对上面的更新操作进行简写
def update2(self, id, name, age): """ 更新记录方法2 :param id: :param name: :param age: :return: """ self.session.query(People).filter_by(id=id).update({People.name: name, People.age: age}) self.session.commit()4、删除
和更新操作一样,删除操作也有两种实现方式
第一种方式的思路是,先查询,后删除,最后提交会话完成删除操作
以按照 id 删除某一条记录为例:
def del_one_data1(self, id): """ 删除一条数据方法1 :param id: :return: """ people_temp = self.session.query(People).filter_by(id=id).first() # 判断是否为空 if people_temp is not None: self.session.delete(people_temp) self.session.commit() else: print('此条记录不存在,删除失败!')需要注意的是,查询的结果必须判断是否为空,否则直接执行删除操作,可以会抛出异常。另外一种方式是,直接使用级联函数将上面的删除操作进行简写。
def del_one_data2(self, id): """ 删除一条数据方法2 :param id: :return: """ try: self.session.query(People).filter_by(id=id).first().delete() except Exception as e: print('删除失败')同样,这种删除操作需要捕获异常,避免查询的结果为空的情况。最后,完成所有操作之后,我们需要结束会话、销毁数据库引擎
def teardown(self): """ 释放资源 :return: """ # 结束会话 self.session.close() # 销毁引擎 self.engine.dispose()本篇文章通过一张表的增删改查,详细讲解了 python 操作 sqlite 的两种使用方式。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31