Python查询PostgreSQL数据库

本文涉及的产品
云原生数据库 PolarDB PostgreSQL 版,企业版 4核16GB
推荐场景:
HTAP混合负载
云原生数据库 PolarDB MySQL 版,Serverless 5000PCU 100GB
云原生数据库 PolarDB MySQL 版,通用型 2核4GB 50GB
简介: 木头左教你如何用Python连接PostgreSQL数据库:安装`psycopg2`库,建立连接,执行SQL脚本如创建表、插入数据,同时掌握错误处理和事务管理。别忘了性能优化,利用索引、批量操作提升效率。下期更精彩!💡 csvfile

哈喽,大家好,我是木头左!

Python与PostgreSQL的连接

需要了解如何在Python中连接到PostgreSQL数据库。这通常涉及到使用一个库,如psycopg2,它是Python中用于PostgreSQL的最流行的适配器。安装psycopg2非常简单,可以通过pip进行安装:

pip install psycopg2

安装完成后,可以使用以下代码来建立与PostgreSQL数据库的连接:

import psycopg2

try:
    connection = psycopg2.connect(user="your_username",
                                  password="your_password",
                                  host="127.0.0.1",
                                  port="5432",
                                  database="your_database")
    cursor = connection.cursor()
    print("Connected to PostgreSQL database!")
except (Exception, psycopg2.Error) as error:
    print("Error while connecting to PostgreSQL", error)
finally:
    if connection:
        cursor.close()
        connection.close()
        print("PostgreSQL connection is closed!")

这段代码将尝试连接到本地运行的PostgreSQL数据库,并创建一个游标对象,该对象允许执行SQL命令。

执行SQL脚本

一旦建立了连接,就可以使用Python来执行SQL脚本了。这些脚本可以是创建表、插入数据、查询数据等任何有效的SQL命令。以下是一个简单的例子,展示如何创建一个名为users的表,并向其中插入一些数据:

import psycopg2

# 连接到数据库
connection = psycopg2.connect(user="your_username",
                              password="your_password",
                              host="127.0.0.1",
                              port="5432",
                              database="your_database")
cursor = connection.cursor()

# 创建users表
create_table_query = """
CREATE TABLE users (
    id SERIAL PRIMARY KEY,
    name VARCHAR(100),
    age INTEGER
);
"""
cursor.execute(create_table_query)

# 插入数据
insert_data_query = "INSERT INTO users (name, age) VALUES (%s, %s);"
data = [("Alice", 25), ("Bob", 30), ("Charlie", 35)]
cursor.executemany(insert_data_query, data)
connection.commit()

# 查询数据
select_data_query = "SELECT * FROM users;"
cursor.execute(select_data_query)
rows = cursor.fetchall()
for row in rows:
    print(row)

# 关闭连接
cursor.close()
connection.close()

在这个例子中,首先创建了一个users表,然后插入了一些用户数据,最后执行了一个查询来获取所有用户的信息。通过这种方式,可以非常灵活地执行各种SQL操作。

错误处理和事务管理

在执行数据库操作时,错误处理和事务管理是非常重要的。psycopg2提供了异常类来帮助捕获和处理可能发生的错误。此外,还可以使用commit()rollback()方法来管理事务。以下是一个包含错误处理和事务管理的示例:

import psycopg2
from psycopg2 import Error

try:
    connection = psycopg2.connect(user="your_username",
                                  password="your_password",
                                  host="127.0.0.1",
                                  port="5432",
                                  database="your_database")
    cursor = connection.cursor()

    # 创建表
    create_table_query = """
    CREATE TABLE users (
        id SERIAL PRIMARY KEY,
        name VARCHAR(100),
        age INTEGER
    );
    """
    cursor.execute(create_table_query)

    # 插入数据
    insert_data_query = "INSERT INTO users (name, age) VALUES (%s, %s);"
    data = [("Alice", 25), ("Bob", 30), ("Charlie", 35)]
    cursor.executemany(insert_data_query, data)

    # 提交事务
    connection.commit()

except Exception as error:
    # 发生错误时回滚事务
    print("An error occurred:", error)
    connection.rollback()

finally:
    # 关闭连接
    cursor.close()
    connection.close()

在这个例子中,如果在创建表或插入数据的过程中发生任何错误,将回滚事务,确保数据库保持一致状态。这是一个好的实践,可以防止部分完成的事务对数据库造成损害。

性能优化和高级特性

当处理大量数据时,性能优化变得至关重要。Python和PostgreSQL都提供了许多高级特性来帮助提高查询效率和数据处理速度。例如,可以使用索引来加速查询,或者使用批量操作来减少数据库的访问次数。此外,PostgreSQL还支持存储过程和触发器,这允许在数据库层面执行复杂的逻辑。

我是木头左,感谢各位童鞋的点赞、收藏,我们下期更精彩!

相关实践学习
使用PolarDB和ECS搭建门户网站
本场景主要介绍基于PolarDB和ECS实现搭建门户网站。
阿里云数据库产品家族及特性
阿里云智能数据库产品团队一直致力于不断健全产品体系,提升产品性能,打磨产品功能,从而帮助客户实现更加极致的弹性能力、具备更强的扩展能力、并利用云设施进一步降低企业成本。以云原生+分布式为核心技术抓手,打造以自研的在线事务型(OLTP)数据库Polar DB和在线分析型(OLAP)数据库Analytic DB为代表的新一代企业级云原生数据库产品体系, 结合NoSQL数据库、数据库生态工具、云原生智能化数据库管控平台,为阿里巴巴经济体以及各个行业的企业客户和开发者提供从公共云到混合云再到私有云的完整解决方案,提供基于云基础设施进行数据从处理、到存储、再到计算与分析的一体化解决方案。本节课带你了解阿里云数据库产品家族及特性。
相关文章
|
8天前
|
SQL 自然语言处理 关系型数据库
PolarDB上实现一个自然语言查询系统
PolarDB上实现一个自然语言查询系统
|
8天前
|
存储 SQL Oracle
|
4天前
|
缓存 运维 关系型数据库
数据库容灾 | MySQL MGR与阿里云PolarDB-X Paxos的深度对比
经过深入的技术剖析与性能对比,PolarDB-X DN凭借其自研的X-Paxos协议和一系列优化设计,在性能、正确性、可用性及资源开销等方面展现出对MySQL MGR的多项优势,但MGR在MySQL生态体系内也占据重要地位,但需要考虑备库宕机抖动、跨机房容灾性能波动、稳定性等各种情况,因此如果想用好MGR,必须配备专业的技术和运维团队的支持。 在面对大规模、高并发、高可用性需求时,PolarDB-X存储引擎以其独特的技术优势和优异的性能表现,相比于MGR在开箱即用的场景下,PolarDB-X基于DN的集中式(标准版)在功能和性能都做到了很好的平衡,成为了极具竞争力的数据库解决方案。
|
3天前
|
SQL 数据库 Python
Django框架数据库ORM查询操作(6)
【7月更文挑战第6天】```markdown Django ORM常用数据库操作:1) 查询所有数据2) 根据ID查询 3) 精确查询 4) 分页排序
11 1
|
7天前
|
JSON 关系型数据库 API
Python 使用 FastAPI 和 PostgreSQL 构建简单 API
最近一年公司也在卷 LLM 的应用项目,所以我们也从 goper => Pythoner。 这一年使用最多的就是 Python 的 FastAPI 框架。下面一个简易项目让你快速玩转 Python API Web。 API代表应用程序编程接口,是软件开发中最重要的概念之一。它允许程序通过发送和接收数据与其他服务进行交互。API Web 通信最广泛使用的标准之一是 REST,它依赖于JSON 格式或键值对,类似于 Python 的字典。 如果想用 Python 构建一个,那么可以从几个框架中选择。Flask -RESTful、Django Rest Framework 和 FastAPI 是最受
|
7天前
|
SQL 自然语言处理 网络协议
【Linux开发实战指南】基于TCP、进程数据结构与SQL数据库:构建在线云词典系统(含注册、登录、查询、历史记录管理功能及源码分享)
TCP(Transmission Control Protocol)连接是互联网上最常用的一种面向连接、可靠的、基于字节流的传输层通信协议。建立TCP连接需要经过著名的“三次握手”过程: 1. SYN(同步序列编号):客户端发送一个SYN包给服务器,并进入SYN_SEND状态,等待服务器确认。 2. SYN-ACK:服务器收到SYN包后,回应一个SYN-ACK(SYN+ACKnowledgment)包,告诉客户端其接收到了请求,并同意建立连接,此时服务器进入SYN_RECV状态。 3. ACK(确认字符):客户端收到服务器的SYN-ACK包后,发送一个ACK包给服务器,确认收到了服务器的确
|
8天前
|
SQL 存储 关系型数据库
关系型数据库PostgreSQL学习
【7月更文挑战第4天】
405 2
|
9天前
|
关系型数据库 分布式数据库 数据库
PolarDB,阿里云的开源分布式数据库,与微服务相结合,提供灵活扩展和高效管理解决方案。
【7月更文挑战第3天】PolarDB,阿里云的开源分布式数据库,与微服务相结合,提供灵活扩展和高效管理解决方案。通过数据分片和水平扩展支持微服务弹性,保证高可用性,且兼容MySQL协议,简化集成。示例展示了如何使用Spring Boot配置PolarDB,实现服务动态扩展。PolarDB缓解了微服务数据库挑战,加速了开发部署,为云原生应用奠定基础。
83 3
|
9天前
|
存储 关系型数据库 分布式数据库
PolarDB,阿里云的云原生分布式数据库,以其存储计算分离架构为核心,解决传统数据库的扩展性问题
【7月更文挑战第3天】PolarDB,阿里云的云原生分布式数据库,以其存储计算分离架构为核心,解决传统数据库的扩展性问题。此架构让存储层专注数据可靠性,计算层专注处理SQL,提升性能并降低运维复杂度。通过RDMA加速通信,多副本确保高可用性。资源可独立扩展,便于成本控制。动态添加计算节点以应对流量高峰,展示了其灵活性。PolarDB的开源促进了数据库技术的持续创新和发展。
153 2
|
9天前
|
关系型数据库 分布式数据库 PolarDB
**PolarDB开源指南:构建分布式数据库集群**踏上PolarDB开源之旅,了解如何从零开始搭建分布式集群
【7月更文挑战第3天】**PolarDB开源指南:构建分布式数据库集群**踏上PolarDB开源之旅,了解如何从零开始搭建分布式集群。采用存储计算分离架构,适用于大规模OLTP和OLAP。先准备硬件和软件环境,包括Linux、Docker和Git。然后,克隆源码,构建Docker镜像,部署控制节点和计算节点。使用PDCli验证集群状态,开始探索PolarDB的高性能与高可用性。在实践中深化学习,贡献于数据库技术创新。记得在安全环境下测试。
87 1