
来源:AirPython
作者:星安果
大家好,我是安果!
PgSQL,全称为 PostgreSQL,是一款免费开源的关系型数据库
相比最流行的 Mysql 数据库,PgSQL 在可靠性、数据完整性、扩展性方面具有绝对的优势
本篇文章将聊聊如何使用 Python 操作 PgSQL 数据库
Python 操作 PgSQL,需要先安装依赖包「 psycopg2 」
# 安装依赖包
pip3 install psycopg2
接下来,就可以使用 Python 来操作数据库了
2-1 数据库连接及游标对象
使用 psycopg2 中的「 connect() 」方法连接数据库,创建数据库连接对象及游标对象
import psycopg2
# 获得连接对象
# database:数据库名称
# user:用户名
# password:密码
# host:数据库ip地址
# port:端口号,默认为5432
conn = psycopg2.connect(database="db_name", user="postgres", password="pwd", host="127.0.0.1", port="5432")
# 获取游标对象
cursor = conn.cursor()
获取游标对象后,就可以执行 SQL,进而操作数据库了
2-2 插入数据
首先,编写插入数据的 SQL 语句及参数( 可选 )
# 构建SQL语句
# 方式一:直带参数
sql = "INSERT INTO student (name,age)
VALUES (%s, '%s')" %
('xag',23)
# 方式二:参数分离
sql = """INSERT INTO student (name,age) VALUES (%s, %s)"""
# 参数
params = ('xag',23)
然后,使用游标对象执行 SQL
# 执行sql
# 注意:params可选,根据上面的参数方式来选择设置
cursor.execute(sql,[params])
接着,使用连接对象提交事务
# 事务提交
conn.commit()
最后,释放游标对象及数据库连接对象
# 释放游标对象及数据库连接对象
cursor.close()
conn.close()
2-3 查询数据
游标对象的 fetchone()、fetchmany(size)、fetchall() 这 3个函数即可以实现单条数据查询、多条数据查询、全部数据查询
# 获取一条记录
one_data = cursor.fetchone()
print(one_data)
# 获取2条记录
many_data = cursor.fetchmany(2)
print(many_data)
# 获取全部数据
all_data = cursor.fetchall()
print(all_data)
需要注意的是,条件查询与上面的插入操作类似,条件语句可以将参数分离出来
# 条件查询 SQL语句
sql = """SELECT * FROM student where id = %s;"""
# 对应参数,参数结尾以逗号结尾
params = (1,)
# 执行SQL
cursor.execute(sql, params)
# 获取所有数据
datas = cursor.fetchall()
print(datas)
2-4 更新数据
更新操作和上面操作一样,唯一不同的是,执行完 SQL 后,需要使用连接对象提交事务,才能将数据真实更新到数据库中
def update_one(conn, cursor):
"""更新操作"""
# 更新语句
sql = """update student set name = %s where id = %s """
params = ('AirPython', 1,)
# 执行语句
cursor.execute(sql, params)
# 事务提交
conn.commit()
# 关闭数据库连接
cursor.close()
conn.close()
2-5 删除数据
删除数据同更新数据操作类似
def delete_one(conn, cursor):
"""删除操作"""
# 语句及参数
sql = """delete from student where id = %s """
params = (1,)
# 执行语句
cursor.execute(sql, params)
# 事物提交
conn.commit()
# 关闭数据库连接
cursor.close()
conn.close()
通过上面操作,可以发现 Python 操作 PgSQl 与 Mysql 类似,但是在原生 SQL 编写上两者还是有很多差异性
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18刚入职场或是在职场正面临岗位替代、技能更新、人机协作等焦虑的打工人,想要找到一条破解职场焦虑和升职瓶颈的系统化学习提升 ...
2025-07-182025被称为“AI元年”,而AI,与数据密不可分。网易公司创始人丁磊在《AI思维:从数据中创造价值的炼金术 ...
2025-07-18CDA 数据分析师:数据时代的价值挖掘者 在大数据席卷全球的今天,数据已成为企业核心竞争力的重要组成部分。从海量数据中提取有 ...
2025-07-18SPSS 赋值后数据不显示?原因排查与解决指南 在 SPSS( Statistical Package for the Social Sciences)数据分析过程中,变量 ...
2025-07-18在 DBeaver 中利用 MySQL 实现表数据同步操作指南 在数据库管理工作中,将一张表的数据同步到另一张表是常见需求,这有助于 ...
2025-07-18数据分析师的技能图谱:从数据到价值的桥梁 在数据驱动决策的时代,数据分析师如同 “数据翻译官”,将冰冷的数字转化为清晰的 ...
2025-07-17Pandas 写入指定行数据:数据精细化管理的核心技能 在数据处理的日常工作中,我们常常需要面对这样的场景:在庞大的数据集里精 ...
2025-07-17解码 CDA:数据时代的通行证 在数字化浪潮席卷全球的今天,当企业决策者盯着屏幕上跳动的数据曲线寻找增长密码,当科研人员在 ...
2025-07-17CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16MySQL 中 ADD KEY 与 ADD INDEX 详解:用法、差异与优化实践 在 MySQL 数据库表结构设计中,索引是提升查询性能的核心手段。无论 ...
2025-07-16解析 MySQL Update 语句中 “query end” 状态:含义、成因与优化指南 在 MySQL 数据库的日常运维与开发中,开发者和 DBA 常会 ...
2025-07-16如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14