使用 Python 访问数据库的基本方法

简介: 【5月更文挑战第12天】在Python中操作数据库涉及安装数据库驱动(如mysql-connector-python, psycopg2, pymongo)、连接数据库、执行查询/更新、处理结果集及关闭连接。使用ORM(如SQLAlchemy)可简化操作。通过上下文管理器(with语句)能更好地管理资源和错误。注意根据实际需求处理事务、错误和安全性,例如使用SSL连接。

在 Python 中使用数据库的常见方法主要涉及到几个关键步骤:安装和配置数据库驱动、连接到数据库、执行查询和更新操作、处理结果集以及关闭数据库连接。下面是一个大致的流程描述:

安装和配置数据库驱动:
首先,你需要安装一个适合你的数据库的 Python 驱动。对于关系型数据库如 MySQL、PostgreSQL 等,常用的驱动有 mysql-connector-python、psycopg2 等。对于 NoSQL 数据库如 MongoDB,可以使用 pymongo。你可以通过 pip 来安装这些驱动。
bash
pip install mysql-connector-python
pip install psycopg2
pip install pymongo
连接到数据库:
使用相应的驱动,你可以创建一个连接对象来连接到你的数据库。这通常涉及到提供数据库的地址、端口、用户名、密码等信息。
python
import mysql.connector

cnx = mysql.connector.connect(
host="localhost",
user="yourusername",
password="yourpassword",
database="yourdatabase"
)
执行查询和更新操作:
一旦连接建立,你可以创建一个游标对象来执行 SQL 查询或更新操作。游标允许你执行查询并遍历结果集。
python
cursor = cnx.cursor()

执行查询

query = "SELECT * FROM your_table"
cursor.execute(query)

执行更新

update_query = "UPDATE your_table SET column1 = 'value' WHERE condition"
cursor.execute(update_query)

提交更改(仅对更新操作)

cnx.commit()
处理结果集:
对于查询操作,你可以使用游标的 fetchone()、fetchall() 或 fetchmany(size) 方法来获取结果集中的记录。
python

获取单条记录

record = cursor.fetchone()

获取所有记录

records = cursor.fetchall()

遍历结果集

for (id, name, age) in cursor:
print(f"ID: {id}, Name: {name}, Age: {age}")
关闭游标和数据库连接:
完成所有数据库操作后,记得关闭游标和数据库连接以释放资源。
python
cursor.close()
cnx.close()
使用 ORM(对象关系映射):
虽然直接使用 SQL 可以提供很大的灵活性,但在许多情况下,使用 ORM(如 SQLAlchemy 或 Django ORM)可以简化数据库操作,尤其是当模型变得复杂时。ORM 将数据库表映射为 Python 类,允许你以面向对象的方式操作数据库。
python
from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

Base = declarative_base()

class User(Base):
tablename = 'users'
id = Column(Integer, primary_key=True)
name = Column(String)
fullname = Column(String)
password = Column(String)

创建引擎和会话

engine = create_engine('sqlite:///example.db')
Session = sessionmaker(bind=engine)
session = Session()

使用会话执行操作

new_user = User(name='newuser', fullname='New User', password='secret')
session.add(new_user)
session.commit()
使用上下文管理器:
为了简化错误处理和资源管理,可以使用上下文管理器(如 with 语句)来自动关闭游标和连接。这通常在你的数据库驱动或 ORM 中得到支持。
python
with mysql.connector.connect(
host="localhost",
user="yourusername",
password="yourpassword",
database="yourdatabase"
) as cnx:
with cnx.cursor() as cursor:
cursor.execute("SELECT * FROM your_table")
for (id, name) in cursor:
print(f"ID: {id}, Name: {name}")
请注意,以上只是使用 Python 访问数据库的基本方法。根据具体的数据库和应用程序需求,你可能还需要处理更复杂的场景,如事务管理、错误处理、连接池等。同时,对于生产环境中的应用程序,确保数据库连接的安全性(如使用 SSL 连接、限制

相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
相关文章
|
2月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
378 7
|
3月前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
372 1
|
4月前
|
机器学习/深度学习 数据采集 数据挖掘
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
169 2
|
3月前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
535 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
3月前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
265 0
|
2月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
268 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
2月前
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
342 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
3月前
|
人工智能 数据安全/隐私保护 异构计算
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
457 8
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
|
3月前
|
数据采集 关系型数据库 MySQL
python爬取数据存入数据库
Python爬虫结合Scrapy与SQLAlchemy,实现高效数据采集并存入MySQL/PostgreSQL/SQLite。通过ORM映射、连接池优化与批量提交,支持百万级数据高速写入,具备良好的可扩展性与稳定性。
|
3月前
|
存储 数据库 开发者
Python SQLite模块:轻量级数据库的实战指南
本文深入讲解Python内置sqlite3模块的实战应用,涵盖数据库连接、CRUD操作、事务管理、性能优化及高级特性,结合完整案例,助你快速掌握SQLite在小型项目中的高效使用,是Python开发者必备的轻量级数据库指南。
335 0

热门文章

最新文章

推荐镜像

更多