SQLAlchemy常用数据类型

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
云数据库 RDS PostgreSQL,高可用系列 2核4GB
简介: SQLAlchemy常用数据类型

SQLAlchemy常用数据类型

SQLAlchemy 是一个Python的SQL工具库和对象关系映射(ORM)工具,它提供了一种在Python中操作数据库的高效方式。下面是SQLAlchemy中常用的一些数据类型:

  • Integer:整形,映射到数据库中是int类型。
  • Integer:普通整数类型。
  • SmallInteger:小整数类型。
from sqlalchemy import Integer, SmallInteger

     Float:浮点类型,映射到数据库中是float类型。他占据的32位。

from sqlalchemy import Float
  • Double:双精度浮点类型,映射到数据库中是double类型,占据64位 (SQLALCHEMY中没有)。
  • String:可变字符类型,映射到数据库中是varchar类型.
1. from sqlalchemy import String, Text
2.
  • Boolean:布尔类型,映射到数据库中的是tinyint类型。
from sqlalchemy import Boolean
  • DECIMAL:定点类型。是专门为了解决浮点类型精度丢失的问题的。在存储钱相关的字段的时候建议大家都使用这个数据类型。
  • 这个类型使用的时候需要传递两个参数,第一个参数是用来标记这个字段总能能存储多少个数字,第二个参数表示小数点后有多少位。
  • Enum:枚举类型。指定某个字段只能是枚举中指定的几个值,不能为其他值。在ORM模型中,使用Enum来作为枚举,示例代码如下:
 class News(Base):
  __tablename__ = 't_news'
  tag = Column(Enum("python",'flask','django'))

在Python3中,已经内置了enum这个枚举的模块,我们也可以使用这个模块去定义相关的字段。示例代码如下:

class TagEnum(enum.Enum):
    python = "python"
    flask = "flask"
    django = "django"
class News(Base):
    __tablename__ = 't_news'
    id = Column(Integer,primary_key=True,autoincrement=True)
    tag = Column(Enum(TagEnum))
  news = News(tag=TagEnum.flask)
  • Date:存储时间,只能存储年月日。映射到数据库中是date类型。在Python代码中,可以使用datetime.date来指定。
  • DateTime:存储时间,可以存储年月日时分秒毫秒等。映射到数据库中也是datetime类型。在Python代码中,可以使用datetime.datetime来指定。
  • Time:存储时间,可以存储时分秒。映射到数据库中也是time类型。在Python代码中,可以使用datetime.time来至此那个。示例代码如下:
class News(Base):
  __tablename__ = 't_news'
  create_time = Column(Time)
news = News(create_time=time(hour=11,minute=11,second=11))
  • Text:存储长字符串。一般可以存储6W多个字符。如果超出了这个范围,可以使用LONGTEXT类型。映射到数据库中就是text类型。
  • LONGTEXT:长文本类型,映射到数据库中是longtext类型。

代码演示

from sqlalchemy import create_engine,Column,Integer,String,Float,Enum,Boolean,DECIMAL,Text,Date,DateTime,Time
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.dialects.mysql import LONGTEXT
from sqlalchemy.orm import sessionmaker
import enum
from datetime import date
from datetime import datetime
from datetime import time
#准备数据库的一堆信息   ip  port   user  pwd  数据库的名称  按要求组织格式
HOSTNAME = '127.0.0.1'
PORT = '3306'
DATABASE = 'first_sqlalchemy'
USERNAME = 'root'
PASSWORD = 'root'
#dialect+driver://username:password@host:port/database?charset=utf8
#按照上述的格式来 组织数据库信息
DB_URI ="mysql+pymysql://{username}:{password}@{host}:{port}/{db}?charset=utf8".\
  format(username=USERNAME,password=PASSWORD,host=HOSTNAME,port=PORT,db=DATABASE)
#创建数据库引擎
engine = create_engine(DB_URI)
#创建会话对象
session = sessionmaker(engine)()
#定义一个枚举类
class TagEnum(enum.Enum):
   python="PYHTON2"
   flask="FLASK2"
   django ="DJANGO"
#创建一个ORM模型   说明基于sqlalchemy  映射到mysql数据库的常用字段类型有哪些?
Base = declarative_base(engine)
class News(Base):
  __tablename__='news'
  id = Column(Integer,primary_key=True,autoincrement=True)
  price1 = Column(Float) #存储数据时存在精度丢失问题
  price2 = Column(DECIMAL(10,4))
  title = Column(String(50))
  is_delete =Column(Boolean)
  tag1 =Column(Enum('PYTHON','FLASK','DJANGO')) #枚举常规写法
  tag2 =Column(Enum(TagEnum)) #枚举另一种写法
  create_time1=Column(Date)
  create_time2=Column(DateTime)
  create_time3=Column(Time)
  content1 =Column(Text)
  content2 =Column(LONGTEXT)
# Base.metadata.drop_all()
# Base.metadata.create_all()
#新增数据到表news中
# a1 = News(price1=1000.0078,price2=1000.0078,title='测试数据',is_delete=True,tag1="PYTHON",tag2=TagEnum.flask,
#        create_time1=date(2018,12,12),create_time2=datetime(2019,2,20,12,12,30),create_time3=time(hour=11,minute=12,second=13),
#        content1="hello",content2 ="hello  hi  nihao")
a1 = News(price1=1000.0078,price2=1000.0078,title='测试数据',is_delete=False,tag1="PYTHON",tag2=TagEnum.python,
       create_time1=date(2018,12,12),create_time2=datetime(2019,2,20,12,12,30),create_time3=time(hour=11,minute=12,second=13),
       content1="hello",content2 ="hello  hi  nihao")
session.add(a1)
session.commit()

代码分析

  1. 导入必要的模块,包括create_engineColumnIntegerString等数据类型,以及与数据库交互的模块。
  2. 定义了连接数据库所需的一些信息,如主机、端口、数据库名称、用户名和密码。
  3. 使用提供的信息构建了数据库连接的URI。
  4. 创建了一个数据库引擎,用于连接数据库。
  5. 创建了一个会话对象,可以用于执行数据库操作。
  6. 定义了一个枚举类TagEnum,其中包含了一些标签。
  7. 定义了一个ORM模型News,包含了各种不同类型的字段,如整数、浮点数、字符串、布尔值、枚举、日期、时间等。
  8. 创建了这个表格(如果之前不存在的话)。
  9. 创建了一个News对象a1,并将其添加到会话中。
  10. 提交了会话,将数据插入到数据库中。
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
|
存储 数据可视化 Serverless
使用蒙特卡罗模拟的投资组合优化
在金融市场中,优化投资组合对于实现风险与回报之间的预期平衡至关重要。蒙特卡罗模拟提供了一个强大的工具来评估不同的资产配置策略及其在不确定市场条件下的潜在结果。
649 1
|
监控 Java 关系型数据库
基于Docker搭建Zabbix
这篇文章介绍了如何使用Docker来搭建Zabbix监控系统。Zabbix是一个开源的网络监控工具,可以监控服务器、网络设备等各种资源的状态和性能。而Docker是一种容器技术,可以方便地打包应用程序及其依赖环境,使得应用的部署和管理更加简单和可靠。
|
机器学习/深度学习 数据采集 人工智能
机器学习实战 | SKLearn入门与简单应用案例
本篇内容介绍了SKLearn的核心板块,并通过SKLearn自带的数据集,讲解一个典型应用案例。
1428 0
机器学习实战 | SKLearn入门与简单应用案例
|
Oracle Ubuntu Java
Ubuntu安装JDK
一. Ubuntu 安装JDK的两种方式 1. 通过apt安装. 2. 通过官网下载安装包安装. 这里推荐第1种,因为可以通过 apt-get upgrade 方式方便获得jdk的升级 二. 通过apt安装(jdk有很多版本, 这里介绍两种: openjdk和oracle的JDK) 1.
71241 4
|
存储 关系型数据库 MySQL
SqlAlchemy 2.0 中文文档(四十九)(5)
SqlAlchemy 2.0 中文文档(四十九)
260 0
|
9月前
|
存储 运维 安全
云上金融量化策略回测方案与最佳实践
【飞天技术沙龙—阿里云金融量化策略回测Workshop】在上海诺亚财富中心正式举行,汇聚多位行业专家,围绕量化投资的最佳实践、数据隐私安全、量化策略回测方案等议题进行深入探讨。
|
缓存 人工智能 PyTorch
LMDeploy 部署 VLMs 的方法与探讨
LMDeploy 部署 VLMs 的方法与探讨 LMDeploy 是一个高效且友好的大型语言模型(LLMs)和视觉-语言模型(VLMs)部署工具箱,由上海人工智能实验室模型压缩和部署团队开发,涵盖了模型量化、离线推理和在线服务等功能。
LMDeploy 部署 VLMs 的方法与探讨
|
消息中间件 监控 调度
Celery与RabbitMQ的结合【Python】
【8月更文挑战第18天】 Celery与RabbitMQ结合是构建高效Python分布式系统的利器。Celery作为分布式任务队列,支持任务调度与结果管理;RabbitMQ则确保了消息的可靠传递。二者联用不仅提升了系统的异步处理能力,还增强了其扩展性与可靠性。通过简单的安装与配置,即可实现任务的异步执行与调度,同时利用监控工具优化性能并确保安全性。这种组合适用于需要处理大量异步任务的应用场景,极大地简化了分布式系统的设计与实现。
|
存储 缓存
02 ROS创建工作空间和功能包
如何在ROS中创建工作空间和功能包,包括初始化工作空间、编译、设置环境变量以及使用`catkin_create_pkg`创建新功能包的步骤。
447 1
|
关系型数据库 MySQL 数据管理
深入解析 MySQL 中的关系类型
【8月更文挑战第31天】
314 0