使用 Python 和 SQLAlchemy 进行数据库操作

简介: 【10月更文挑战第2天】使用 Python 和 SQLAlchemy 进行数据库操作

引言

在现代 Web 开发中,数据库操作是必不可少的一部分。Python 提供了多种方式来与数据库交互,其中 SQLAlchemy 是一个非常流行的选择。SQLAlchemy 不仅是一个 SQL 工具包,而且还是一个 ORM(对象关系映射),它可以让你使用 Python 对象而不是 SQL 语句来操作数据库。本文将介绍如何使用 SQLAlchemy 来连接数据库、创建表结构、插入数据以及查询数据。

环境准备

首先,确保你的开发环境中已经安装了 Python,并且安装了 SQLAlchemy 和 SQLite(本文将使用 SQLite 作为数据库)。可以通过 pip 安装这些库:

pip install sqlalchemy sqlite3

创建数据库连接

在开始之前,我们需要创建一个数据库连接。SQLite 支持文件式的数据库,因此我们可以在应用程序中指定一个文件名来创建或连接数据库。

from sqlalchemy import create_engine

# 创建一个 SQLite 数据库连接
engine = create_engine('sqlite:///example.db', echo=True)

这里的 echo=True 参数使得 SQLAlchemy 在执行 SQL 语句时打印 SQL 语句,这对于调试非常有用。

定义表结构

接下来,我们需要定义数据库中的表。SQLAlchemy 使用 Python 类来描述数据库表。下面是一个简单的例子,定义了一个 User 表:

from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String

Base = declarative_base()

class User(Base):
    __tablename__ = 'users'

    id = Column(Integer, primary_key=True)
    name = Column(String)
    email = Column(String)

    def __repr__(self):
        return f"User(name={self.name}, email={self.email})"

创建表

定义完表之后,我们可以使用 SQLAlchemy 的元数据来创建表:

Base.metadata.create_all(engine)

插入数据

现在我们可以向表中插入一些数据。为此,我们需要创建一个会话(session),它充当了 SQLAlchemy 中的所有数据库操作的上下文。

from sqlalchemy.orm import sessionmaker

Session = sessionmaker(bind=engine)
session = Session()

# 创建新的 User 实例并添加到 session 中
new_user = User(name='Alice', email='alice@example.com')
session.add(new_user)

# 提交事务
session.commit()

查询数据

有了数据之后,我们可以查询数据库中的数据。SQLAlchemy 提供了多种查询方式,下面是一些基本的查询示例:

# 查询所有用户
users = session.query(User).all()
for user in users:
    print(user)

# 查询特定条件的用户
alice = session.query(User).filter_by(name='Alice').first()
print(alice)

# 更新数据
alice.email = 'alice_updated@example.com'
session.commit()

# 删除数据
session.delete(alice)
session.commit()

总结

通过这篇文章,我们学习了如何使用 SQLAlchemy 连接数据库、定义表结构、插入数据以及查询数据。SQLAlchemy 的强大之处在于它不仅提供了底层 SQL 的访问能力,而且还提供了一种更自然的方式来处理数据库操作——通过 Python 类和对象。这种抽象使得数据库操作更加简单直观,同时也提高了代码的可读性和可维护性。无论是初学者还是有经验的开发人员,都可以从 SQLAlchemy 中受益匪浅。

相关文章
|
24天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
17天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
4天前
|
JSON 自然语言处理 数据管理
阿里云百炼产品月刊【2024年9月】
阿里云百炼产品月刊【2024年9月】,涵盖本月产品和功能发布、活动,应用实践等内容,帮助您快速了解阿里云百炼产品的最新动态。
阿里云百炼产品月刊【2024年9月】
|
1天前
|
人工智能 Rust Java
10月更文挑战赛火热启动,坚持热爱坚持创作!
开发者社区10月更文挑战,寻找热爱技术内容创作的你,欢迎来创作!
219 12
|
19天前
|
人工智能 IDE 程序员
期盼已久!通义灵码 AI 程序员开启邀测,全流程开发仅用几分钟
在云栖大会上,阿里云云原生应用平台负责人丁宇宣布,「通义灵码」完成全面升级,并正式发布 AI 程序员。
|
21天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2578 22
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
3天前
|
存储 人工智能 搜索推荐
数据治理,是时候打破刻板印象了
瓴羊智能数据建设与治理产品Datapin全面升级,可演进扩展的数据架构体系为企业数据治理预留发展空间,推出敏捷版用以解决企业数据量不大但需构建数据的场景问题,基于大模型打造的DataAgent更是为企业用好数据资产提供了便利。
168 2
|
1天前
|
编译器 C#
C#多态概述:通过继承实现的不同对象调用相同的方法,表现出不同的行为
C#多态概述:通过继承实现的不同对象调用相同的方法,表现出不同的行为
101 65
|
21天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1578 16
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
4天前
|
Linux 虚拟化 开发者
一键将CentOs的yum源更换为国内阿里yum源
一键将CentOs的yum源更换为国内阿里yum源
251 2