掌握Python内置数据库:SQlite3使用教程

发表时间: 2020-07-30 18:50

如果你是软件开发人员,相信你一定知道或者曾经使用过一个非常轻量级的数据库——SQLite。它具有作为关系数据库所需的几乎所有功能,但是这个数据库把所有功能都保存在一个文件中。在其官方网站上,SQLite的主要应用场景包括:

  • 嵌入式设备和物联网
  • 数据分析
  • 数据传输
  • 文件存档或数据容器
  • 内部或临时数据库
  • 在演示或测试期间替代企业数据库
  • 教育、培训和测试
  • 实验性SQL语言扩展

当然,SQLite还有很多其他功能,在此不一一列举,感兴趣的同学可以去看官方文档:
https://www.sqlite.org/whentouse.html

最重要的是,SQLite实际上是作为Python库内置的。换言之,你不需要安装任何服务器端/客户端软件,也不需要运行某个服务,只要你在Python中导入库并开始编程,那么你就有了一个关系数据库管理系统

导入和使用

这里我们说“内置”的意思就是,你甚至不需要运行 pip install ,就能获取库。只需要通过以下方式导入:

import sqlite3 as sl

1.创建与数据库的连接

我们根本不需要为驱动程序、连接字符串等烦恼。可以直接创建一个 SQLite 数据库,并拥有一个简单的连接对象:

con = sl.connect('my-test.db')

运行此行代码后,我们就已经创建并连接到该数据库上。 如果要求Python连接的数据库不存在,它就会自动帮我们创建一个空数据库。 如果我们已经创建了数据库,就能用上面完全相同的代码连接到现有数据库。

2.创建表格

接下来,我们先创建一个表格。

with con:    con.execute("""        CREATE TABLE USER (            id INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT,            name TEXT,            age INTEGER        );    """)

在这个 USER 表中,我们添加了三列。正如我们所看到的,SQLite 确实是轻量级的,但是它支持常规 RDBMS 应该具有的所有基本特性,例如数据类型、可为null、主键和自动递增。

运行这段代码之后,我们就已经创建好了一个表,尽管它什么都没有输出。

3.插入记录

让我们在刚刚创建的 USER 表中插入数据记录,这也可以证明我们确实创建了它。

如果我们需要一次性插入多个记录,Python中的SQLite也能很容易地实现这一点。

sql = 'INSERT INTO USER (id, name, age) values(?, ?, ?)'data = [    (1, 'Alice', 21),    (2, 'Bob', 22),    (3, 'Chris', 23)]

我们需要用问号作为占位符来定义SQL语句 。接下来就是创建一些要插入的示例数据。使用连接对象,就能插入这些示例行。

with con:    con.executemany(sql, data)

在运行代码之后,没有报错,那就是成功的。

4.查询表格

接下来,我们通过实际的方式来验证我们所做的一切,通过查询表格来获取示例行。

with con:    data = con.execute("SELECT * FROM USER WHERE age <= 22")    for row in data:        print(row)

你可以看到,很简单就得到了结果。

此外,尽管 SQLite 是轻量级的,但是作为一个广泛使用的数据库,大多数SQL客户端软件都支持使用它。

我自己用得最多的是 DBeaver,接下来给大家介绍一下。

5.从SQL客户端(DBeaver)连接到SQLite数据库

因为我用的是 googlecolab,所以我要将 my-test.db 文件下载到我的本地计算机上。当然,你也可以直接在你的电脑上使用 Python 数据库连接你的本地数据库。

在 DBeaver 中,创建一个新连接并选择 SQLite 作为数据库类型

然后,浏览DB文件。

现在你可以在数据库上运行任何SQL查询,看看它与其他常规关系数据库有什么不同。

与Pandas无缝连接

你以为就只有这些?不,事实上,作为Python的一个内置特性,SQLite 可以与 Pandas 数据帧无缝连接。

让我们先来定义一个数据帧。

df_skill = pd.DataFrame({    'user_id': [1,1,2,2,3,3,3],    'skill': ['Network Security', 'Algorithm Development', 'Network Security', 'Java', 'Python', 'Data Science', 'Machine Learning']})

然后,我们可以简单地调用数据帧的to_sql()方法将其保存到数据库中。

df_skill.to_sql('SKILL', con)

就这样我们甚至不需要预先创建表,列的数据类型和长度都会被推断出来。当然,如果你想的话,你也可以先定义。

然后,假设我们要将表 USER 和 SKILL 连接在一起,并将结果读入Pandas数据框。

df = pd.read_sql('''    SELECT s.user_id, u.name, u.age, s.skill     FROM USER u LEFT JOIN SKILL s ON u.id = s.user_id''', con)

是不是很厉害?让我们把结果写到一个名为USER_SKILL的新表中。

df.to_sql('USER_SKILL', con)

我们也可以用SQL客户端来检索表。

总结

实际上,Python中还隐藏着很多惊喜。而且这些惊喜并不没有隐藏起来,只是Python有太多现成可以直接使用的特性了,这就导致很多人无法发现这些特性。

在本文中,我介绍了如何使用 Python 内置库 sqlite3 在 SQLite 数据库中创建和操作表。它也支持对表格进行更新和删除操作,建议大家在看完这篇文章之后自己尝试一下。

最重要的是,我们可以轻松地将表从 SQLite 数据库读入 Pandas 数据帧,反之亦然。这使我们能够更容易地与我们的轻量级关系数据库进行交互。

你可能会注意到 SQLite 没有进行身份验证,这也是它刻意设计的行为,因为需要轻量化。

一起去探索Python中更多令人惊讶的特性吧!


--END--

作者:Christopher Tao

原文链接:
https://towardsdatascience.com/do-you-know-python-has-a-built-in-database-d553989c87bd

编译:未艾信息(www.weainfo.net)

喜欢本文的同学记得转发+点赞~

更多内容,欢迎大家关注我们的公众号:为AI呐喊(weainahan)