2020国产成人精品视频,性做久久久久久久久,亚洲国产成人久久综合一区,亚洲影院天堂中文av色

搜索
分享

python不用數據庫，達到快速存儲數據的方法

 Yy3318q 2023-03-24 發(fā)布于廣西

在Python中，數據庫并不是存儲大量結構化數據的最簡單解決方案。dataset提供了一個簡單的抽象層，可以刪除大多數直接的 SQL 語句，而無需完整的 ORM 模型，數據庫可以像 JSON 文件或 NoSQL 存儲一樣使用。

dataset是用于快速存儲數據的最簡單方法。

特點

  • 自動架構：如果寫入數據庫中不存在的表或列，它將自動創(chuàng)建。
  • Upserts：創(chuàng)建或更新記錄，具體取決于是否可以找到現有版本。
  • 用于簡單查詢的查詢助手，例如all表中的行或distinct一組列中的所有值。
  • 兼容性：建立在SQLAlchemy之上，dataset適用于所有主要數據庫，例如 SQLite、PostgreSQL 和 MySQL。

連接數據庫

要連接到數據庫，您需要通過其URL來識別它，以下是不同數據庫后端的幾個示例：
# connecting to a SQLite databasedb = dataset.connect('sqlite:///mydatabase.db')
# connecting to a MySQL database with user and passworddb = dataset.connect('mysql://user:password@localhost/mydatabase')
# connecting to a PostgreSQL databasedb = dataset.connect('postgresql://scott:tiger@localhost:5432/mydatabase')

存儲數據

要存儲一些數據，您需要獲得對表的引用
# get a reference to the table 'user'table = db['user']

將數據存儲在只需傳遞一個dict即可插入。不需要創(chuàng)建列名稱和年齡——數據集會自動執(zhí)行此操作：

# Insert a new record.table.insert(dict(name='John Doe', age=46, country='China'))
# dataset will create 'missing' columns any time you insert a dict with an unknown keytable.insert(dict(name='Jane Doe', age=37, country='France', gender='female'))
更新現有條目也很容易：
table.update(dict(name='John Doe', age=47), ['name'])
使用第一列中的值作為第二個參數過濾器給出的過濾器列列表。如果您不想更新特定值，只需使用自動生成的id列。

使用

您可以將一組數據庫更新分組到一個事務中。在這種情況下，所有更新都會立即提交，或者在異常情況下，所有更新都會被還原。通過上下文管理器支持事務，因此可以通過with 語句使用它們：
with dataset.connect() as tx: tx['user'].insert(dict(name='John Doe', age=46, country='China'))
通過調用方法獲得相同的功能begin()， commit()并rollback() 明確：
db = dataset.connect()db.begin()try:    db['user'].insert(dict(name='John Doe', age=46, country='China'))    db.commit()except:    db.rollback()

也支持嵌套事務：
db = dataset.connect()with db as tx1:    tx1['user'].insert(dict(name='John Doe', age=46, country='China'))    with db as tx2:        tx2['user'].insert(dict(name='Jane Doe', age=37, country='France', gender='female'))

檢查數據庫和表
在處理未知數據庫時，我們先檢查它們的結構。找出數據庫中存儲了哪些表：
>>> print(db.tables)[u'user']
列出表中所有可用的列user：
>>> print(db['user'].columns)[u'id', u'country', u'age', u'name', u'gender']
使用len()獲得表中的總行數：
>>> print(len(db['user']))2
從表中讀取數據
現在讓我們從表中獲取一些真實數據：
users = db['user'].all()
如果我們只是想遍歷表中的所有行，我們可以省略all()：
for user in db['user']:   print(user['age'])
我們可以使用find()搜索特定條目find_one()：
# All users from Chinachinese_users = table.find(country='China')
# Get a specific userjohn = table.find_one(name='John Doe')
# Find multiple at oncewinners = table.find(id=[1, 3, 7])
# Find by comparison operatorelderly_users = table.find(age={'>=': 70})possible_customers = table.find(age={'between': [21, 80]})
# Use the underlying SQLAlchemy directlyelderly_users = table.find(table.table.columns.age >= 70)
使用 distinct()我們可以在一個或多個列中獲取一組具有唯一值的行：
# Get one user per countrydb['user'].distinct('country')
最后，您可以使用row_type參數來選擇返回結果的數據類型：
import datasetfrom stuf import stuf
db = dataset.connect('sqlite:///mydatabase.db', row_type=stuf)
現在內容將在對象中返回stuf（基本上，dict 其元素可以作為屬性 ( item.name) 以及索引 ( item['name']) 訪問的對象。
運行自定義 SQL 查詢
當然，您使用數據庫的主要原因是您希望使用 SQL 查詢的全部功能。下面是你如何運行它們dataset：
result = db.query('SELECT country, COUNT(*) c FROM user GROUP BY country')for row in result:   print(row['country'], row['c'])
該query()方法還可用于訪問底層的SQLAlchemy 核心 API，它允許以編程方式構建更復雜的查詢：
table = db['user'].tablestatement = table.select(table.c.name.like('%John%'))result = db.query(statement)


                                    		
                                

                            
                        

                    




                

                

                    
                    
                        

                            
                                
    
                                		
                        
    
                        
                
    
                
    
                
                
                
    
                
    


                

                
    本站是提供個人知識管理的網絡存儲空間，所有內容均由用戶發(fā)布，不代表本站觀點。請注意甄別內容中的聯(lián)系方式、誘導購買等信息，謹防詐騙。如發(fā)現有害或侵權內容，請點擊一鍵舉報。
    
                
                

                
    
                    轉藏
                    
                    
                    
                    
                    
                    
                        分享
                        
                        
                    
                    獻花（0）
                            
                
    
                
                
                
    
                    
    
                        
                        
                    
    
                
    

            
    

            
    

            
    
                
                
                
    
                
    
                    
    
                        
    0條評論
    
                        
                        
                        
    
                            
                            
    
                                發(fā)表
                            
    
                        
    
                        
                    
    
                    
                    
    請遵守用戶 評論公約
    
                    
                    
      
                    
    
                    
    
                    
    
                    
                
    
               
                
    
                    
    
                        類似文章
                        更多