使用 Python 访问数据库的基本方法

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS PostgreSQL,高可用系列 2核4GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
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
|
11天前
|
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。
188 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
23天前
|
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)
|
4天前
|
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。
28 0
|
1月前
|
调度 Python
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
|
25天前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
98 18
|
4天前
|
算法 调度 决策智能
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
|
1月前
|
机器学习/深度学习 数据采集 算法
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
|
1月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
152 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
23天前
|
机器学习/深度学习 数据采集 TensorFlow
基于CNN-GRU-Attention混合神经网络的负荷预测方法(Python代码实现)
基于CNN-GRU-Attention混合神经网络的负荷预测方法(Python代码实现)
|
1月前
|
存储 监控 安全
Python剪贴板监控实战:clipboard-monitor库的深度解析与扩展应用
本文介绍了基于Python的剪贴板监控技术,结合clipboard-monitor库实现高效、安全的数据追踪。内容涵盖技术选型、核心功能开发、性能优化及实战应用,适用于安全审计、自动化办公等场景,助力提升数据管理效率与安全性。
95 0

推荐镜像

更多