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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21