这是使用 Python 在 Jupyter notebook 中启动和运行 SQL 的介绍

使用 Python 运行 SQL 查询的一种快速简便的方法是使用 SQLite。 SQLite 是一个使用 SQL 数据库引擎的库。它的执行速度相对较快，并且已被证明是高度可靠的。 SQLite 是测试环境中最常用的数据库引擎。

以下是入门的简单步骤。

第 1 步 - 导入 SQLite 和 Pandas

首先，我们需要将 SQLite 导入我们的 Jupyter notebook。

import sqlite3
import pandas as pd

第 2 步 - 连接您的数据库

使用 connect() 函数可以在您的环境中创建数据库。这有助于用户命名他们的数据库，以便稍后在 Python 中调用。当您使用数据库时，connect() 函数会维护连接。

需要注意的重要一点是，当您连接到数据库时，其他用户将无法同时访问它。这就是为什么在完成后关闭（）连接是必不可少的（我将在接近结束时讨论关闭连接）。

在这个例子中，我将引用一个名为“factbook.db”的 CIA 数据库。

sql_connect = sqlite3.connect('factbook.db')

第 3 步 - 光标对象

cursor() 函数用于协助执行我们的 SQL 查询。

cursor = sql_connect.cursor()

使用 cursor() 返回与我们要查询的数据库对应的 Cursor 实例很重要。

第 4 步 - 编写查询

使用 SQLite 和 Python，需要在整个字符串中传递 SQL 查询。虽然没有必要，但我认为将您的查询保存到变量中是一种很好的做法，以便以后可以引用它而不必重新编写整个查询。

我们的 factbook.db 文件中的表称为事实。

将 SQL 查询另存为字符串

query = "SELECT * FROM factbook;"

2. 使用之前的游标变量执行查询。这会将结果转换为元组并将其存储为局部变量。为了获得所有结果，我们使用 fetchall()。

results = cursor.execute(query).fetchall()

第 5 步 - 运行查询

为了运行我们早期使用 Pandas 保存的查询，我们执行以下操作。

pd.read_sql_query(query,sql_connect)

输出：

第 6 步 — 关闭连接

请记住，完成后关闭连接很重要。关闭连接将授予其他人访问数据库的权限。

sql_connect.close()

这是 SQLite 思维过程的一个很好的模板。

1. connection open
2. transaction started
3. statement executes
4. transaction done
5. connection closed

第 7 步 - 奖励（为什么是 Python 和 SQL？）

如果您像我一样，那么您可能想知道为什么在 Python 中运行 SQL 查询，而在 PostgreSQL 或 MySQL 中运行它们似乎更容易。

Python 拥有大量用于可衡量和科学分析的库（例如 Pandas、StatsModel 和 SciPy）。这些库同样可以完美地抽象出精妙之处，因此您不必手工计算所有基本数学知识。此外，您可以及时获得结果，因此您可以反复使用 Python 来调查您的信息。

这是在 Python 中使用 SQL 查询绘制直方图的片段。

import matplotlib.pyplot as pltimport seaborn as sns%matplotlib inlinefig = plt.figure(figsize=(10,10))ax = fig.add_subplot(111)query = '''SELECT population, population_growth, birth_rate, death_rateFROM factbookWHERE population != (SELECT MAX(population) FROM facts)AND population != (SELECT MIN(population) FROM facts);'''pd.read_sql_query(query, sql_connect).hist(ax=ax)