[python] 基于Dataset库操作数据库
2023/12/29 18:03:09
本文主要是介绍[python] 基于Dataset库操作数据库,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
dataset库是Python中一个用于操作数据库的简单库,它提供了一种简洁的方式与各种关系型数据库进行交互,例如SQLite、MySQL、PostgreSQL 等。你可以使用dataset库来执行查询、插入、更新和删除操作,而无需编写复杂的SQL语句。dataset库适用于小规模的数据存储和查询场景,相比csv和json文件只能通过编程语言来处理数据,dataset支持使用SQL语言进行查询,提供了丰富的查询功能和灵活性。对于大规模数据和高并发场景,专业数据库系统如MySQL、PostgreSQL等更具优势。
dataset官方仓库地址:dataset。dataset官方文档地址:dataset-doc。安装命令如下:
pip install dataset
import dataset # 查看版本 dataset.__version__
'1.6.2'
-
1 使用说明
- 1.1 数据库操作
- 1.2 表格操作
- 1.3 事务操作
- 2 参考
1 使用说明
1.1 数据库操作
数据库创建
connect函数是dataset库中用于连接到数据库并返回一个数据库对象。它的使用方式如下:
# 创建一个连接到名为mydatabase.db的SQLite数据库的对象 # 如果要连接的数据库不存在,则自动创建 db = dataset.connect('sqlite:///mydatabase.db') # 如果要连接到MySQL数据库(需要安装相应组件),可以使用以下语法: # db = dataset.connect('mysql://user:password@localhost/mydatabase') # 如果要连接到PostgreSQL数据库(需要安装相应组件),可以使用以下语法: # db = dataset.connect('postgresql://user:password@localhost/mydatabase')
表格查询与创建
dataset提供get_table函数或直接表名索引来创建或加载一个表格。同时,dataset也提供create_table函数创建一个新的表格,也可以使用load_table函数加载现有的表格。
# 使用db['table_name']语法获取指定表的引用,其中table_name是表的名称 # 如果表不存在,dataset库将自动创建它,但是只有数据插入才会保存 table = db['mytable'] # 或者使用如下函数: # table = db.get_table('mytable')
# 创建一个新表格,原有表格会被覆盖 # 该表没有自定义的主键或类型。Dataset库会默认创建一个名为 'id' 的整数类型的主键。 table = db.create_table('mytable')
此外也可以指定表格创建时的各种参数,dataset主要支持类型有:
- db.types.integer:表示整数类型。
- db.types.float:表示浮点数类型。
- db.types.boolean:表示布尔类型。
- db.types.datetime:表示日期时间类型。
- db.types.date:表示日期类型。
- db.types.text:表示文本字符串类型。
# 指定了自定义主键为 'age' # db.create_table('mytable', 'age') # 指定了自定义的主键为 'city',并且指定该主键的类型为文本类型 # db.create_table('mytable', primary_id='city', primary_type=db.types.text) # 指定没有主键 # db.create_table('mytable', primary_id=False)
# 加载现有表格 table = db.load_table('mytable') # 如果表格不存在,则会报错 # table = db.load_table('user')
# 也可以通过has_table函数查询是否存在某个表 db.has_table('user')
False
# 查看当前数据库下所有表格 db.tables
[]
直接在数据库上运行sql查询语句
dataset库提供query函数用于过滤和查询数据集。它接受一个字符串参数,该参数表示一条 SQL 查询语句,用于选择符合条件的数据。
# statement = 'SELECT * FROM mytable' # for row in db.query(statement): # print(row)
1.2 表格操作
插入数据
# 使用db['table_name']语法获取指定表的引用,其中table_name是表的名称 # 如果表不存在,dataset库将自动创建它 table = db['mytable']
insert用于插入数据。
# 插入一条包含名字、年龄和电子邮件的记录 data = {'name': 'John', 'age': 25, 'email': 'john@example.com'} table.insert(data) # 插入一条包含名字、年龄,电子邮件的记录为空 table.insert(dict(name='Alice', age=25))
2
insert_ignore用于插入一行数据,但只有在keys中列的值不重复时才会插入。
table.insert_ignore(dict(name='Alice', age=25),keys=['name'])
False
insert_many函数用于向数据库表中批量插入数据。它接受一个列表作为参数,该列表中的每个元素都是一个字典,表示要插入的一行数据。使用该函数要比逐个添加快很多。
data = [ {'name': 'John', 'age': 25, 'city': 'New York'}, {'name': 'Alice', 'age': 30, 'city': 'Los Angeles'}, {'name': 'Bob', 'age': 35, 'city': 'San Francisco'} ] table.insert_many(data)
插入列
# 插入名为 key 的列,数据类型为文本(text),并且设置了唯一约束(unique=True) # table.create_column('key', db.types.text,unique=True) # 插入名为 food 的列,数据类型为文本(text) table.create_column('food', db.types.text)
# 创建一个列,第一个值为列名,第二个值用于自动猜测该列的类型 table.create_column_by_example('length', 4.2)
查看数据
# 查看表格行数 len(table)
5
# 获取表中的所有数据 data = list(table.all()) # 打印数据 for row in data: print(row)
OrderedDict([('id', 1), ('name', 'John'), ('age', 25), ('email', 'john@example.com'), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 3), ('name', 'John'), ('age', 25), ('email', None), ('city', 'New York'), ('food', None), ('length', None)]) OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)]) OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 直接打印数据 for row in table: print(row)
OrderedDict([('id', 1), ('name', 'John'), ('age', 25), ('email', 'john@example.com'), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 3), ('name', 'John'), ('age', 25), ('email', None), ('city', 'New York'), ('food', None), ('length', None)]) OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)]) OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 表的列名 table.columns
['id', 'name', 'age', 'email', 'city', 'food', 'length']
# 是否存在某列 table.has_column('sex')
False
查找数据
# 根据字段查找 results = table.find(name='John') # 遍历结果 for row in results: print(row['name'], row['city'])
John None John New York
# 多字段查找 results = table.find(name='John',city=None) # 遍历结果 for row in results: print(row['name'], row['city'])
John None
# 仅返回第一个结果 results = table.find_one(name='John') results
OrderedDict([('id', 1), ('name', 'John'), ('age', 25), ('email', 'john@example.com'), ('city', None), ('food', None), ('length', None)])
# 基于id查询 results = table.find(id=[1, 2, 4]) # 遍历结果 for row in results: print(row['name'], row['city'])
John None Alice None Alice Los Angeles
# 找出age大于等于30的结果 results = table.find(age={'>=': 30}) for row in results: print(row['name'], row['age'])
Alice 30 Bob 35
# 找出age在21到30之间的结果 results = table.find(age={'between': [21, 30]}) for row in results: print(row['name'], row['age'])
John 25 Alice 25 John 25 Alice 30
# 筛选某个字段下的唯一项 results = table.distinct('name') for row in results: print(row)
OrderedDict([('name', 'Alice')]) OrderedDict([('name', 'Bob')]) OrderedDict([('name', 'John')])
dataset库还支持更丰富的查询操作,具体可以查看文档:dataset-query。
更新数据
update函数用于更新单条记录。
# 第一参数为要更新的字段和对应的新值,如果字段不存在则会添加该字段 # 第二个参数keys用于指定根据哪些列来筛选要更新的对象 # 下面代码表示将name为'John'的行更新数据 affected_rows = table.update(dict(name= 'John',age=23,email="qq.com"), keys=['name']) print("受影响的行数:", affected_rows)
受影响的行数: 2
# 获取表中的所有数据 data = list(table.all()) # 打印数据 for row in data: print(row)
OrderedDict([('id', 1), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 3), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', 'New York'), ('food', None), ('length', None)]) OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)]) OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
update_many也被提供用于批量更新数据。
# 更新多行数据 rows = [ {'name': 'Alice', 'age': 123}, {'name': 'Bob', 'age': 18} ] # 该函数没有返回值 table.update_many(rows,keys=['name'])
此外也可以用upsert和upsert_many插入更新单条或多条记录,即如果存在具有匹配关键字的行,则这些行将被更新,否则将在表中插入新行。具体使用类似update和update_many。
删除数据
delete函数用于删除行,如下所示:
for row in table: print(row)
OrderedDict([('id', 1), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 3), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', 'New York'), ('food', None), ('length', None)]) OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)]) OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 删除age为23的记录 table.delete(age=23) for row in table: print(row)
OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)]) OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 删除age为30且name为'John'的记录 table.delete(age=30, name='John') for row in table: print(row)
OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)]) OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)]) OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 找出age大于等于30的结果 table.delete(age={'>=': 30}) for row in table: print(row)
OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
drop_column函数会从数据集中删除指定的列,如下所示:
# sqlite不支持 # table.drop_column('age') # for row in table: # print(row)
1.3 事务操作
事务是一组数据库操作,要么全部成功执行,要么全部回滚。这可以确保数据的一致性和完整性。下面代码展示了如何创建一个事务对象。在这种情况下,所有更新都会立即提交,或者,在出现异常的情况下,立即回滚所有操作。事务通过上下文管理器得到支持,因此可以通过with语句使用:
with dataset.connect('sqlite:///mydatabase.db') as tx: # 在这里执行数据库操作 # 如果所有操作都成功,事务会自动提交 # 如果发生错误,事务会自动回滚 tx['user'].insert(dict(name='John Doe', age=46, country='China'))
当然以上代码可以显式调用函数begin、commit和rollback来获得相同的功能:
db = dataset.connect('sqlite:///mydatabase.db') db.begin() try: db['user'].insert(dict(name='John Doe', age=46, country='China')) db.commit() except: db.rollback()
除此之外,也支持嵌套事务如下所示:
db = dataset.connect() with db as tx1: tx1['user'].insert(dict(name='John Doe', age=46, country='China')) with db as tx2: tx2['user'].insert(dict(name='Jane Doe', age=37, country='France', gender='female'))
2 参考
- dataset
- dataset-doc
- dataset-query
这篇关于[python] 基于Dataset库操作数据库的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-24Python编程基础详解
- 2024-11-21Python编程基础教程
- 2024-11-20Python编程基础与实践
- 2024-11-20Python编程基础与高级应用
- 2024-11-19Python 基础编程教程
- 2024-11-19Python基础入门教程
- 2024-11-17在FastAPI项目中添加一个生产级别的数据库——本地环境搭建指南
- 2024-11-16`PyMuPDF4LLM`:提取PDF数据的神器
- 2024-11-16四种数据科学Web界面框架快速对比:Rio、Reflex、Streamlit和Plotly Dash
- 2024-11-14获取参数学习:Python编程入门教程