目錄使用概述一、創建引擎和會話二、定義類來表示虛擬表格三、增刪改查四、進階技能

sqlAlchemy解讀: https://www.jb51.net/article/174565.htm

sqlAlchemy解讀：https://www.jb51.net/article/173950.htm

特點是操縱Python對象而不是SQL查詢，也就是在代碼層面考慮的是對象，而不是SQL，體現的是一種程序化思維，這樣使得Python程序更加簡潔易懂。

具體的實現方式是將數據庫表轉換為Python類，其中數據列作為屬性，數據庫操作作為方法。

abstract # 輔助sqlAlchemy實現類的繼承，自動繼承屬性，省去super() SQLAlchemy定義的ORM，在繼承父級ORM時候，Foreign Key外鍵是不能繼承的，它強制要求在子類中重新定義。使用概述

在使用sqlalchemy訪問數據庫的時候，以類的形式表示表格，因此在使用之前，需要先定義類。

類的定義有三種：基類BASE、父類、子類

基類是sqlalchemy底層的；當需要一份數據切分為多個子表的時候，或多個表的字段一致時，可以使用一個父類定義字段的類型，多個子表繼承父類的屬性。

一、創建引擎和會話

通過創建引擎、綁定引擎來創建會話，實現數據庫的訪問。

from sqlalchemy import create_engine # 引擎from sqlalchemy.orm import sessionmaker # 創建orm的會話池，orm和sql均可以管理對象關系型數據庫，需要綁定引擎才可以使用會話，# 創建連接engine = create_engine('mysql+pymysql://root:1234;@127.0.0.1/test', # 需要安裝mysql和pymysql的模塊，用戶名:密碼@ip地址/某個數據庫 #echo=True, # 打印操作對應的SQL語句 pool_size=8, # 連接個數 pool_recycle=60*30 # 不使用時斷開 )# 創建sessionDbSession = sessionmaker(bind=engine) # 會話工廠，與引擎綁定。session = DbSession() # 實例化session.close() # 關閉會話二、定義類來表示虛擬表格

在使用sqlalchemy訪問數據庫的時候，以類的形式表示表格，因此在使用之前，需要先定義類。使用類的名稱而不是tablename實現之后的增刪改查。

# 導入定義類需要的模塊from sqlalchemy.ext.declarative import declarative_base # 調用sqlalchemy的基類from sqlalchemy import Column, Index, distinct, update# 指定字段屬性，索引、唯一、DMLfrom sqlalchemy.types import *# 所有字段類型

1. 直接建立一個可調用的表格

需要先繼承基類，在定義__init__函數，設置輸入參數。

# 創建庫表類型Base = declarative_base() # 調用sqlalchemy的基類class Users(Base): ’’’繼承基類’’’ __tablename__ = 'users' # 數據表的名字 __table_args__ = {’extend_existing’: True} # 當數據庫中已經有該表時，或內存中已聲明該表，可以用此語句重新覆蓋聲明。 id = Column(Integer, primary_key=True) name = Column(String(64), unique=True) #email = Column(String(64)) def __init__(self, name, email):self.name = nameself.email = email # 聲明需要調用的特征，可以只聲明數據庫中表格列的子集Base.metadata.create_all(engine)# 表生效：將所有定義的類，使用引擎創建，此時可以在數據庫中看到這些表。

2. 創建多個相同列屬性的表格 先建立一個表格的父類，指定列的屬性，再通過繼承父類

不同的表

# 創建庫表類型Base = declarative_base() # 調用sqlalchemy的基類class model_data(BASE): ’’’創建數據庫表類：模型所需的基本字段’’’ __abstract__ = True # 輔助sqlAlchemy實現類的繼承，自動繼承屬性，省去super() __table_args__ = {’extend_existing’: True} # 若表的聲明在內存中已存在，則重新聲明表的名稱，不然會報錯 ai_xdr_id = Column(BigInteger(), primary_key=True, unique=True, autoincrement= True) ai_sdk_id = Column(BigInteger())class TrainData(model_data): # 訓練集表 ’’’繼承model_data的屬性，并將表的名字定義為：’xxx_train_data’存入數據庫 ’’’ __tablename__ = ’xxx_train_data’ class DevData(model_data): # 開發集表 ’’’表的名字定義為：’xxx_dev_data’ ’’’ __tablename__ = ’xxx_dev_data’class TestData(model_data): # 測試集表 __tablename__ = ’xxx_test_data’Base.metadata.create_all(engine)# 表生效：將所有定義的類，使用引擎創建，此時可以在數據庫中看到這些表。三、增刪改查

因為是會話操作，當某個語句，例如增加數據時，不成功的時候需要回滾。

增加數據

# 增加數據add_user = Users('test3', 'test123@qq.com')session.add(add_user)session.commit()# add_users = Users(('test', 'test123@qq.com'),(’a’,’b’)))# session.add(add_users)# session.commit()# 當上述語句出現執行錯誤時，需要執行回滾語句，才能繼續操作session.rollback()

刪除數據

delete_users = session.query(Users).filter(Users.name == 'test').first()if delete_users: session.delete(delete_users) session.commit() session.query(Users).filter(Users.name == 'test').delete()session.commit()

更改數據

# 改session.query(Users).filter_by(id=1).update({’name’: 'Jack'})users = session.query(Users).filter_by(name='Jack').first()users.name = 'test'

查找數據

users = session.query(Users).filter_by(id=5).all()for item in users: print(item.name) print(item.email) # 若未在類中聲明，則無法訪問數據庫中該表的屬性。四、進階技能

1. 將DataFrame格式的數據導入數據庫

class DataAccessLayer:# 數據連接層、定義了連接和關閉。 ’’’數據連接層、定義了連接和關閉。’’’ def __init__(self):self.ENGINE = None # 引擎self.SESSION = None# 會話self.conn_string = 'mysql+pymysql://root:1234;@127.0.0.1/test' ## 需要安裝mysql和pymysql的模塊，用戶名:密碼@ip地址/某個數據庫 def connect(self):’’’連接時建立引擎和會話。’’’self.ENGINE = create_engine(self.conn_string, encoding=’utf-8’,isolation_level='AUTOCOMMIT', connect_args={’connect_timeout’: 7200})# self.ENGINE = create_engine(self.conn_string, encoding=’utf-8’,connect_args={’connect_timeout’: 7200})self.SESSION = sessionmaker(bind=self.ENGINE)() def disconnect(self):’’’斷開時，關閉引擎。’’’self.ENGINE.close()def df_save_db(df,tablename): ’’’將數據集DataFrame保存到數據庫’’’ db_ac = DataAccessLayer() db_ac.connect() conn = db_ac.ENGINE.connect() df.to_sql(name=tablename, con=conn, if_exists=’append’, index=False) conn.close() print(’%s updated.’%tablename)df = pd.read_csv(’traindata_jiangsu_donghai.csv’)df_save_db(df,’traindata_jiangsu_donghai’)

到此這篇關于python實現sqlalchemy的使用的文章就介紹到這了,更多相關python sqlalchemy使用內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！