前言:
而今大家对“pythonsql变量”大概比较着重,你们都想要分析一些“pythonsql变量”的相关资讯。那么小编在网摘上收集了一些有关“pythonsql变量””的相关文章,希望姐妹们能喜欢,我们一起来了解一下吧!对于进行认真的数据分析的任何人来说,SQL和Python都已迅速成为典型技能! 该Python SQLite教程是您在Python中启动和运行SQLite所需的唯一指南。 在这篇文章中,我们将介绍以下内容:
· 加载库
· 创建并连接到数据库
· 创建数据库表
· 新增资料
· 查询数据
· 删除资料
· 还有更多!
SQLite3(我们简称为SQLite)是标准Python 3程序包的一部分,因此您无需安装任何程序。 如果您没有运行Python 3,请查看此链接以开始使用。
您将创建什么
学习完本教程之后,您将使用Python在SQLite中创建一个数据库。 具体来说,本文将指导您完成创建数据库的所有步骤,该数据库涵盖下表,包括所有关系:
SQLite for Python中可用的数据类型
与其他SQL实现相比,SQLite for Python提供的数据类型更少。 这可能会有所限制。 但是,您将看到,SQLite使许多其他事情变得更加容易。 让我们快速浏览可用的数据类型:
· NULL —包含NULL值
· INTEGER —包含一个整数
· REAL —包含浮点(十进制)值
· TEXT。 —包括文字
· BLOB。 —包括一个完全作为输入存储的二进制大对象
在此列表中,您可能会注意到许多缺少的数据类型,例如日期。 不幸的是,使用SQLite时,您只能使用这些数据类型。
Python SQLite入门
让我们通过加载库来开始本教程。 我们可以使用以下命令来做到这一点:
import sqlite3
让我们进入实际创建数据库的过程。
在Python中创建SQLite数据库
在Python SQLite教程的这一部分中,我们将探讨使用SQLite在Python中创建数据库的不同方法。 为此,我们将创建一个表示数据库的Connection对象。 该对象是使用SQLite的connect()函数创建的。
首先创建一个.db文件,因为这是实际维护SQLite数据库的非常标准的方法。 我们将使用名为conn的变量表示连接。 我们将创建一个名为orders.db的文件。
conn = sqlite3.connect('orders.db')
通过这一行代码,我们在您工作的目录中创建了一个新的连接对象以及一个名为orders.db的新文件。 如果要指定特定目录,可以编写:
conn = sqlite3.connect(r'PATH-TO-YOUR-DIRECTORY/orders.db')
如果文件已经存在,则connect函数将仅连接到该文件。
注意:请注意,我们在包含此路径的字符串之前包括字母" r"。 这使Python知道我们正在使用原始字符串,这意味着" /"将不用于转义字符。 您可以通过查看此链接来了解有关原始字符串的更多信息。
connect函数创建与SQLite数据库的连接,并返回一个表示它的对象。
内存数据库
在Python中使用SQLite生成数据库的另一种方法是在内存中创建数据库。 这是生成可用于测试目的的数据库的好方法,因为它们仅存在于RAM中。
conn = sqlite3.connect(:memory:)
但是,出于本教程的目的以及您会遇到的大多数使用情况,您将使用我们前面介绍的方法。
创建一个游标对象
现在我们已经创建了一个数据库连接对象,接下来的任务是创建一个游标对象。 简而言之,游标对象使我们能够对数据库执行SQL查询。 我们将创建一个变量cur来保存光标对象:
cur = conn.cursor()
现在我们有了一个游标对象,我们可以使用它以以下样式运行SQL查询:
cur.execute("YOUR-SQL-QUERY-HERE;")
请注意,我们将SQL查询用引号引起来-这很重要。 我们使用单引号,双引号还是三引号都没关系。 对于较长的查询,通常最好使用三引号,因为它们使我们能够编写多行查询。
在SQLite for Python中创建表
现在,在Python SQLite教程中,让我们在Python中使用SQLite创建第一个表! 现在我们有了一个连接对象(conn)和一个游标对象(cur),我们可以创建第一个表。 按照我们之前显示的数据库模式:
我们将从用户表开始。
cur.execute("""CREATE TABLE IF NOT EXISTS users( userid INT PRIMARY KEY, fname TEXT, lname TEXT, gender TEXT);""")
conn.commit()
在上面的代码中,我们正在做很多事情:
· 使用游标对象上的execute函数执行SQL查询
· 使用SQL生成名为用户的表
· IF NOT EXISTS在重新连接数据库时会为我们提供帮助。 该查询将使我们能够检查表是否存在,如果存在,则什么都没有改变。
· 我们创建四列:userid,fname,lname和gender。 userid被分配为主键。
· 我们通过在连接对象上使用commit函数来提交更改。
要创建另一个表,我们可以遵循类似的模式并编写以下命令:
cur.execute("""CREATE TABLE IF NOT EXISTS orders( orderid INT PRIMARY KEY, date TEXT, userid TEXT, total TEXT);""")
conn.commit()
执行完这两个脚本后,您的数据库将具有两个表。 现在我们准备开始添加数据!
在Python中使用SQLite添加数据
让我们看一下如何使用Python中的SQLite向刚刚创建的数据库添加数据。 与表生成查询类似,添加数据的查询使用游标对象执行查询。
cur.execute("""INSERT INTO users(userid, fname, lname, gender) VALUES('00001', 'Nik', 'Piepenbreier', 'male');""")
conn.commit()
通常,当我们在Python中工作时,我们会拥有一些变量来保存我们的值。 例如,我们可能有一个元组,其中包含有关用户的信息,看起来可能像这样:
user = ('00002', 'Lois', 'Lane', 'Female')
如果我们想将此数据加载到我们的数据库中,我们将使用不同的约定:
cur.execute("INSERT INTO users VALUES(?, ?, ?, ?);", user)
conn.commit()
我们在这里所做的是用问号替换所有值,并添加一个包含我们希望添加的值的附加参数。
请务必注意,SQLite希望这些值采用元组格式。 但是,只要列表项是元组,变量就可以包含一个列表。 例如,我们可以使用变量添加更多用户:
more_users = [('00003', 'Peter', 'Parker', 'Male'), ('00004', 'Bruce', 'Wayne', 'male')]
在这种情况下,我们不使用execute函数,而是要使用executemany函数:
cur.executemany("INSERT INTO users VALUES(?, ?, ?, ?);", more_users)
conn.commit()
如果我们在这里在光标对象上使用了execute函数,则该函数将假定我们将两个项目直接传递到表中(两个元组),而不是将两组每个都传递四个项目! 值得庆幸的是,该函数在这种情况下会失败,但是请小心使用哪个函数!
SQLite和防止注入攻击
顺便说一句,使用上面提到的(?,?,…)方法也有助于防止SQL注入攻击。 因此,建议在以前提到的方法上使用此方法。 输入也更容易,这是双赢!
一些脚本来加载更多数据
如果您自己按照Python SQLite教程进行操作,请加载更多数据以使以下各节更有意义。 您可以复制和粘贴以下脚本,以将一些示例数据插入两个表中:
customers = [('00005', 'Stephanie', 'Stewart', 'female'), ('00006', 'Sincere', 'Sherman', 'female'), ('00007', 'Sidney', 'Horn', 'male'), ('00008', 'Litzy', 'Yates', 'female'), ('00009', 'Jaxon', 'Mills', 'male'), ('00010', 'Paul', 'Richard', 'male'), ('00011', 'Kamari', 'Holden', 'female'), ('00012', 'Gaige', 'Summers', 'female'), ('00013', 'Andrea', 'Snow', 'female'), ('00014', 'Angelica', 'Barnes', 'female'), ('00015', 'Leah', 'Pitts', 'female'), ('00016', 'Dillan', 'Olsen', 'male'), ('00017', 'Joe', 'Walsh', 'male'), ('00018', 'Reagan', 'Cooper', 'male'), ('00019', 'Aubree', 'Hogan', 'female'), ('00020', 'Avery', 'Floyd', 'male'), ('00021', 'Elianna', 'Simmons', 'female'), ('00022', 'Rodney', 'Stout', 'male'), ('00023', 'Elaine', 'Mcintosh', 'female'), ('00024', 'Myla', 'Mckenzie', 'female'), ('00025', 'Alijah', 'Horn', 'female'), ('00026', 'Rohan', 'Peterson', 'male'), ('00027', 'Irene', 'Walters', 'female'), ('00028', 'Lilia', 'Sellers', 'female'), ('00029', 'Perla', 'Jefferson', 'female'), ('00030', 'Ashley', 'Klein', 'female')]orders = [('00001', '2020-01-01', '00025', '178'), ('00002', '2020-01-03', '00025', '39'), ('00003', '2020-01-07', '00016', '153'), ('00004', '2020-01-10', '00015', '110'), ('00005', '2020-01-11', '00024', '219'), ('00006', '2020-01-12', '00029', '37'), ('00007', '2020-01-14', '00028', '227'), ('00008', '2020-01-18', '00010', '232'), ('00009', '2020-01-22', '00016', '236'), ('00010', '2020-01-26', '00017', '116'), ('00011', '2020-01-28', '00028', '221'), ('00012', '2020-01-31', '00021', '238'), ('00013', '2020-02-02', '00015', '177'), ('00014', '2020-02-05', '00025', '76'), ('00015', '2020-02-08', '00022', '245'), ('00016', '2020-02-12', '00008', '180'), ('00017', '2020-02-14', '00020', '190'), ('00018', '2020-02-18', '00030', '166'), ('00019', '2020-02-22', '00002', '168'), ('00020', '2020-02-26', '00021', '174'), ('00021', '2020-02-29', '00017', '126'), ('00022', '2020-03-02', '00019', '211'), ('00023', '2020-03-05', '00030', '144'), ('00024', '2020-03-09', '00012', '112'), ('00025', '2020-03-10', '00006', '45'), ('00026', '2020-03-11', '00004', '200'), ('00027', '2020-03-14', '00015', '226'), ('00028', '2020-03-17', '00030', '189'), ('00029', '2020-03-20', '00004', '152'), ('00030', '2020-03-22', '00026', '239'), ('00031', '2020-03-23', '00012', '135'), ('00032', '2020-03-24', '00013', '211'), ('00033', '2020-03-27', '00030', '226'), ('00034', '2020-03-28', '00007', '173'), ('00035', '2020-03-30', '00010', '144'), ('00036', '2020-04-01', '00017', '185'), ('00037', '2020-04-03', '00009', '95'), ('00038', '2020-04-06', '00009', '138'), ('00039', '2020-04-10', '00025', '223'), ('00040', '2020-04-12', '00019', '118'), ('00041', '2020-04-15', '00024', '132'), ('00042', '2020-04-18', '00008', '238'), ('00043', '2020-04-21', '00003', '50'), ('00044', '2020-04-25', '00019', '98'), ('00045', '2020-04-26', '00017', '167'), ('00046', '2020-04-28', '00009', '215'), ('00047', '2020-05-01', '00014', '142'), ('00048', '2020-05-05', '00022', '173'), ('00049', '2020-05-06', '00015', '80'), ('00050', '2020-05-07', '00017', '37'), ('00051', '2020-05-08', '00002', '36'), ('00052', '2020-05-10', '00022', '65'), ('00053', '2020-05-14', '00019', '110'), ('00054', '2020-05-18', '00017', '36'), ('00055', '2020-05-21', '00008', '163'), ('00056', '2020-05-24', '00024', '91'), ('00057', '2020-05-26', '00028', '154'), ('00058', '2020-05-30', '00022', '130'), ('00059', '2020-05-31', '00017', '119'), ('00060', '2020-06-01', '00024', '137'), ('00061', '2020-06-03', '00017', '206'), ('00062', '2020-06-04', '00013', '100'), ('00063', '2020-06-05', '00021', '187'), ('00064', '2020-06-09', '00025', '170'), ('00065', '2020-06-11', '00011', '149'), ('00066', '2020-06-12', '00007', '195'), ('00067', '2020-06-14', '00015', '30'), ('00068', '2020-06-16', '00002', '246'), ('00069', '2020-06-20', '00028', '163'), ('00070', '2020-06-22', '00005', '184'), ('00071', '2020-06-23', '00022', '68'), ('00072', '2020-06-27', '00013', '92'), ('00073', '2020-06-30', '00022', '149'), ('00074', '2020-07-04', '00002', '65'), ('00075', '2020-07-05', '00017', '88'), ('00076', '2020-07-09', '00007', '156'), ('00077', '2020-07-13', '00010', '26'), ('00078', '2020-07-16', '00008', '55'), ('00079', '2020-07-20', '00019', '81'), ('00080', '2020-07-22', '00011', '78'), ('00081', '2020-07-23', '00026', '166'), ('00082', '2020-07-27', '00014', '65'), ('00083', '2020-07-30', '00021', '205'), ('00084', '2020-08-01', '00026', '140'), ('00085', '2020-08-05', '00006', '236'), ('00086', '2020-08-06', '00021', '208'), ('00087', '2020-08-07', '00021', '169'), ('00088', '2020-08-08', '00004', '157'), ('00089', '2020-08-11', '00017', '71'), ('00090', '2020-08-13', '00025', '89'), ('00091', '2020-08-16', '00014', '249'), ('00092', '2020-08-18', '00012', '59'), ('00093', '2020-08-19', '00013', '121'), ('00094', '2020-08-20', '00025', '179'), ('00095', '2020-08-22', '00017', '208'), ('00096', '2020-08-26', '00024', '217'), ('00097', '2020-08-28', '00004', '206'), ('00098', '2020-08-30', '00017', '114'), ('00099', '2020-08-31', '00017', '169'), ('00100', '2020-09-02', '00022', '226')]
您可以使用以下查询加载该数据:
cur.executemany("INSERT INTO users VALUES(?, ?, ?, ?);", customers)
cur.executemany("INSERT INTO orders VALUES(?, ?, ?, ?);", orders)
conn.commit()
使用Python在SQLite中选择数据
在本Python SQLite教程的下一步中,我们将看一下如何在Python中使用SQLite选择数据! 我们将采用与执行上面的查询类似的结构,但也会向其中添加另一个元素。
在Python中使用SQLite中的fetchone()
让我们从使用fetchone()函数开始。 我们创建一个变量one_result以仅提取结果
cur.execute("SELECT * FROM users;")one_result = cur.fetchone()print(one_result)
返回:
[(1, 'Nik', 'Piepenbreier', 'male')]
在Python与SQLite中使用fetchmany()
假设我们要返回的结果不止一个,可以使用fetchmany()函数。 让我们运行一个不同的脚本来生成3个结果:
cur.execute("SELECT * FROM users;")
three_results = cur.fetchmany(3)
print(three_results)
这将返回以下内容:
[(1, 'Nik', 'Piepenbreier', 'male'), (2, 'Lois', 'Lane', 'Female'), (3, 'Peter', 'Parker', 'Male')]
在SQLite和Python中使用fetchall()
同样,我们可以使用fetchall()函数返回所有结果。 如果运行以下命令,将返回所有结果:
cur.execute("SELECT * FROM users;")all_results = cur.fetchall()print(all_results)
使用Python在SQLite中删除数据
现在,我们来看看如何在Python中使用SQLite删除数据。 我们可以使用与上面类似的结构来完成此操作。 假设我们要删除姓氏为" Parker"的任何用户,我们可以这样写:
cur.execute("DELETE FROM users WHERE lname='Parker';")
conn.commit()
然后,当我们运行以下查询时:
cur.execute("select * from users where lname='Parker'")
print(cur.fetchall())
这将打印出一个空列表,确认记录已被删除。
在Python中使用SQLite连接表
最后,让我们看一下如何将数据与更复杂的查询结合在一起。 假设我们要生成一个查询,其中包含每个订单上每个客户的名字和姓氏。
为此,我们编写以下代码:
cur.execute("""SELECT *, users.fname, users.lname FROM orders LEFT JOIN users ON users.userid=orders.userid;""")
print(cur.fetchall())
同样,您可以应用其他一些SQL技巧。 我将介绍许多这样的方法,例如对数据进行排序,有条件地选择数据以及更深入地研究联接表。
结论:Python SQLite教程
在此Python SQLite教程中,我们探索了在Python中开始使用SQLite所需了解的一切。 我们从如何加载库开始,探讨了如何创建数据库和表,如何添加数据,如何查询表以及如何删除数据。
(本文翻译自Nik Piepenbreier的文章《Python SQLite Tutorial — The Ultimate Guide》,参考:
)
标签: #pythonsql变量