日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

Python創建SQL數據庫流程逐步講解_python

作者：螞蟻愛Python ? 更新時間： 2022-11-12 編程語言

前言

根據《2021年Stackoverflow開發者調查》，

SQL是最常用的五種編程語言之一。

所以，我們應該多投入時間來學習SQL。

由Storyset繪制的人物插圖

但是有一個問題：

如何在沒有數據庫的情況下練習數據庫查詢呢？

在今天的文章中，讓我們一起來解決這個基本問題，學習如何從零開始創建自己的MySQL數據庫。在Python和一些外部庫的幫助下，我們將創建一個簡單的腳本，可以自動創建并使用隨機生成的數據，填充我們的表格。

但是，在討論實現細節之前，我們首先需要討論一些先決條件。

注意：當然還有其他方法可以獲取用于實踐的SQL數據庫(例如直接找資源下載)，但使用Python和一些外部庫可以為我們提供額外且有價值的實踐機會。

先決條件

我們先從最基本的開始。

首先，需要安裝MySQL Workbench并連接服務，接下來就可以開始建立數據庫：

CREATE DATABASE IF NOT EXISTS your_database_name;

現在，我們只需要安裝必要的python庫，基本的設置就完成了。我們將要使用的庫如下所示，可以通過終端輕松安裝。

  1. NumPy： pip install numpy
  2. Sqlalchemy： pip install sqlalchemy
  3. Faker： pip install faker

創建腳本

完成基本設置后，我們可以開始編寫python腳本了。

先用一些樣板代碼創建一個類，為我們提供一個藍圖，指導我們完成其余的實現。

import numpy as np
import sqlalchemy
from faker import Faker [python學習裙：90 3971231###
from sqlalchemy import Table, Column, Integer, String, MetaData, Date,
class SQLData:
    def __init__(self, server:str, db:str, uid:str, pwd:str) -> None:
        self.__fake = Faker()
        self.__server = server
        self.__db = db
        self.__uid = uid
        self.__pwd = pwd
        self.__tables = dict()
    def connect(self) -> None:
        pass
    def drop_all_tables(self) -> None:
        pass
    def create_tables(self) -> None:
        pass
    def populate_tables(self) -> None:
        pass

目前我們還沒用特別高級的語法。

我們基本上只是創建了一個類，存儲了數據庫憑據供以后使用，導入了庫，并定義了一些方法。

建立連接

我們要完成的第一件事是創建一個數據庫連接。

幸運的是，我們可以利用python庫sqlalchemy來完成大部分工作。

class SQLData:
    #...
    def connect(self) -> None:
        self.__engine = sqlalchemy.create_engine(
            f"mysql+pymysql://{self.__uid}:{self.__pwd}@{self.__server}/{self.__db}"
        )
        self.__conn = self.__engine.connect()
        self.__meta = MetaData(bind=self.__engine)

這個方法可以創建并存儲3個對象作為實例屬性。

首先，我們創建一個連接，作為sqlalchemy應用程序的起點，描述如何與特定類型的數據庫/ DBAPI組合進行對話。

在我們的例子中，我們指定一個MySQL數據庫并傳入我們的憑據。

接下來，創建一個連接，它可以讓我們執行SQL語句和一個元數據對象(一個容器)，將數據庫的不同功能放在一起，讓我們關聯和訪問數據庫表。

創建表格

現在，我們需要創建數據庫表。

class SQLData:
    #...
    def create_tables(self) -> None:
        self.__tables['jobs'] = Table (
            'jobs', self.__meta,
            Column('job_id', Integer, primary_key=True, autoincrement=True, nullable=False),
            Column('description', String(255))
        )
        self.__tables['companies'] = Table(
            'companies', self.__meta,
            Column('company_id', Integer, primary_key=True, autoincrement=True, nullable=False),
            Column('name', String(255), nullable=False),
            Column('phrase', String(255)),
            Column('address', String(255)),
            Column('country', String(255)),
            Column('est_date', Date)
        )
        self.__tables['persons'] = Table(
            'persons', self.__meta,
            Column('person_id', Integer, primary_key=True, autoincrement=True, nullable=False),
            Column('job_id', Integer, ForeignKey('jobs.job_id'), nullable=False),
            Column('company_id', Integer, ForeignKey('companies.company_id'), nullable=False),
            Column('last_name', String(255), nullable=False),
            Column('first_name', String(255)),
            Column('date_of_birth', Date),
            Column('address', String(255)),
            Column('country', String(255)),
            Column('zipcode', String(10)),
            Column('salary', Integer)
        )
        self.__meta.create_all()

我們創建了3個表，并將它們存儲在一個字典中，以供以后參考。

在sqlalchemy中創建表也非常簡單。我們只需實例化一個新的表，提供表名、元數據對象，并指定不同的列。

在本例中，我們創建了一個job表、一個company表和一個person表。person表還通過了foreign kkey鏈接了其他表，這使數據庫在實踐SQL連接方面更加有趣。

定義了所有表格之后，我們只需調用MetaData對象的create_all()方法就好了。

生成一些隨機數據

雖然我們創建了數據庫表，但仍然沒有任何數據可用。因此，我們需要生成一些隨機數據并將其插入到表中。

class SQLData:
    #...
    def populate_tables(self) -> None:
        jobs_ins = list()
        companies_ins = list()
        persons_ins = list()
        for _ in range(100):
            record = dict()
            record['description'] = self.__fake.job()
            jobs_ins.append(record)
        for _ in range(100):
            record = dict()
            record['name'] = self.__fake.company()
            record['phrase'] = self.__fake.catch_phrase()
            record['address'] = self.__fake.street_address()
            record['country'] = self.__fake.country()
            record['est_date'] = self.__fake.date_of_birth()
            companies_ins.append(record)
        for _ in range(500):
            record = dict()
            record['job_id'] = np.random.randint(1, 100)
            record['company_id'] = np.random.randint(1, 100)
            record['last_name'] = self.__fake.last_name()
            record['first_name'] = self.__fake.first_name()
            record['date_of_birth'] = self.__fake.date_of_birth()
            record['address'] = self.__fake.street_address()
            record['country'] = self.__fake.country()
            record['zipcode'] = self.__fake.zipcode()
            record['salary'] = np.random.randint(60000, 150000)
            persons_ins.append(record)
        self.__conn.execute(self.__tables['jobs'].insert(), jobs_ins)
        self.__conn.execute(self.__tables['companies'].insert(), companies_ins)
        self.__conn.execute(self.__tables['persons'].insert(), persons_ins)

現在，我們可以利用Faker庫來生成隨機數據。

我們只需在for循環中使用隨機生成的數據，創建一個由字典表示的新記錄。然后將單個記錄追加到可用于(多個)insert語句的列表中。

接下來，從連接對象中調用execute()方法，并將字典列表作為參數傳遞。

就是這樣！我們成功實現了類—只需要把類實例化，并調用相關函數來創建數據庫。

if __name__ == '__main__':
    sql = SQLData('localhost','yourdatabase','root','yourpassword')
    sql.connect()
    sql.create_tables()
    sql.populate_tables()

試著做一個查詢

剩下的唯一一件事是——需要驗證我們的數據庫是否已經啟動和運行，是否確實包含一些數據。

從基本的查詢開始：

SELECT *
FROM jobs
LIMIT 10;

基本查詢結果[圖片by作者]

看起來我們的腳本成功了，我們有一個包含實際數據的數據庫。

現在，嘗試一個更復雜的SQL語句：

SELECT
  p.first_name,
  p.last_name,
  p.salary,
  j.description
FROM
  persons AS p
JOIN
  jobs AS j ON
  p.job_id = j.job_id
WHERE
  p.salary > 130000
ORDER BY
  p.salary DESC;

這個結果看起來很靠譜 – 可以說我們的數據庫在正常運行。

結論

在本文中，我們學習了如何利用Python和一些外部庫來用隨機生成的數據創建我們自己的實踐數據庫。

雖然可以很容易地下載現有的數據庫來開始練習SQL，但使用Python從頭創建自己的數據庫提供了額外的學習機會。由于SQL和Python經常緊密聯系在一起，所以這些學習機會可能會特別有用。

原文鏈接：https://blog.csdn.net/xff123456_/article/details/126934353

欄目分類
最近更新