[python] 基于Dataset库操作数据库

风晓 2023-12-30 11:42:33  51562 赞同 0 反对 0

分类：资源

dataset库是Python中一个用于操作数据库的简单库，它提供了一种简洁的方式与各种关系型数据库进行交互，例如SQLite、MySQL、PostgreSQL 等。你可以使用dataset库来执行查询、插入、更新和删除操作，而无需编写复杂的SQL语句。dataset库适用于小规模的数据存储和查询场景，相比csv和json文件只能通过编程语言来处理数据，dataset支持使用SQL语言进行查询，提供了丰富的查询功能和灵活性。对于大规模数据和高并发场景，专业数据库系统如MySQL、PostgreSQL等更具优势。 dataset官方仓库地址：dataset。dataset官方文档地址：dataset-doc。安装命令如下： pip install dataset import dataset # 查看版本 dataset.__version__ '1.6.2'

1 使用说明

1.1 数据库操作

数据库创建

connect函数是dataset库中用于连接到数据库并返回一个数据库对象。它的使用方式如下：

	# 创建一个连接到名为mydatabase.db的SQLite数据库的对象
	# 如果要连接的数据库不存在，则自动创建
	db = dataset.connect('sqlite:///mydatabase.db')
	# 如果要连接到MySQL数据库（需要安装相应组件），可以使用以下语法：
	# db = dataset.connect('mysql://user:password@localhost/mydatabase')
	# 如果要连接到PostgreSQL数据库（需要安装相应组件），可以使用以下语法：
	# db = dataset.connect('postgresql://user:password@localhost/mydatabase')

表格查询与创建

dataset提供get_table函数或直接表名索引来创建或加载一个表格。同时，dataset也提供create_table函数创建一个新的表格，也可以使用load_table函数加载现有的表格。

	# 使用db['table_name']语法获取指定表的引用，其中table_name是表的名称
	# 如果表不存在，dataset库将自动创建它，但是只有数据插入才会保存
	table = db['mytable']
	# 或者使用如下函数：
	# table = db.get_table('mytable')

	# 创建一个新表格，原有表格会被覆盖
	# 该表没有自定义的主键或类型。Dataset库会默认创建一个名为 'id' 的整数类型的主键。
	table = db.create_table('mytable')

此外也可以指定表格创建时的各种参数，dataset主要支持类型有：

db.types.integer：表示整数类型。
db.types.float：表示浮点数类型。
db.types.boolean：表示布尔类型。
db.types.datetime：表示日期时间类型。
db.types.date：表示日期类型。
db.types.text：表示文本字符串类型。

	# 指定了自定义主键为 'age'
	# db.create_table('mytable', 'age')
	# 指定了自定义的主键为 'city'，并且指定该主键的类型为文本类型
	# db.create_table('mytable', primary_id='city', primary_type=db.types.text)
	# 指定没有主键
	# db.create_table('mytable', primary_id=False)

	# 加载现有表格
	table = db.load_table('mytable')
	# 如果表格不存在，则会报错
	# table = db.load_table('user')

	# 也可以通过has_table函数查询是否存在某个表
	db.has_table('user')

False

	# 查看当前数据库下所有表格
	db.tables

[]

直接在数据库上运行sql查询语句

dataset库提供query函数用于过滤和查询数据集。它接受一个字符串参数，该参数表示一条 SQL 查询语句，用于选择符合条件的数据。

	# statement = 'SELECT * FROM mytable'
	# for row in db.query(statement):
	# print(row)

1.2 表格操作

插入数据

	# 使用db['table_name']语法获取指定表的引用，其中table_name是表的名称
	# 如果表不存在，dataset库将自动创建它
	table = db['mytable']

insert用于插入数据。

	# 插入一条包含名字、年龄和电子邮件的记录
	data = {'name': 'John', 'age': 25, 'email': 'john@example.com'}
	table.insert(data)
	# 插入一条包含名字、年龄,电子邮件的记录为空
	table.insert(dict(name='Alice', age=25))

insert_ignore用于插入一行数据，但只有在keys中列的值不重复时才会插入。

table.insert_ignore(dict(name='Alice', age=25),keys=['name'])

False

insert_many函数用于向数据库表中批量插入数据。它接受一个列表作为参数，该列表中的每个元素都是一个字典，表示要插入的一行数据。使用该函数要比逐个添加快很多。

	data = [
	{'name': 'John', 'age': 25, 'city': 'New York'},
	{'name': 'Alice', 'age': 30, 'city': 'Los Angeles'},
	{'name': 'Bob', 'age': 35, 'city': 'San Francisco'}
	]
	table.insert_many(data)

插入列

	# 插入名为 key 的列，数据类型为文本（text），并且设置了唯一约束（unique=True）
	# table.create_column('key', db.types.text,unique=True)
	# 插入名为 food 的列，数据类型为文本（text）
	table.create_column('food', db.types.text)

	# 创建一个列，第一个值为列名，第二个值用于自动猜测该列的类型
	table.create_column_by_example('length', 4.2)

查看数据

	# 查看表格行数
	len(table)

	# 获取表中的所有数据
	data = list(table.all())

	# 打印数据
	for row in data:
	print(row)

	OrderedDict([('id', 1), ('name', 'John'), ('age', 25), ('email', 'john@example.com'), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 3), ('name', 'John'), ('age', 25), ('email', None), ('city', 'New York'), ('food', None), ('length', None)])
	OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
	OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])

	# 直接打印数据
	for row in table:
	print(row)

	OrderedDict([('id', 1), ('name', 'John'), ('age', 25), ('email', 'john@example.com'), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 3), ('name', 'John'), ('age', 25), ('email', None), ('city', 'New York'), ('food', None), ('length', None)])
	OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
	OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])

	# 表的列名
	table.columns

['id', 'name', 'age', 'email', 'city', 'food', 'length']

	# 是否存在某列
	table.has_column('sex')

False

查找数据

	# 根据字段查找
	results = table.find(name='John')
	# 遍历结果
	for row in results:
	print(row['name'], row['city'])

	John None
	John New York

	# 多字段查找
	results = table.find(name='John',city=None)
	# 遍历结果
	for row in results:
	print(row['name'], row['city'])

John None

	# 仅返回第一个结果
	results = table.find_one(name='John')
	results

	OrderedDict([('id', 1),
	('name', 'John'),
	('age', 25),
	('email', 'john@example.com'),
	('city', None),
	('food', None),
	('length', None)])

	# 基于id查询
	results = table.find(id=[1, 2, 4])
	# 遍历结果
	for row in results:
	print(row['name'], row['city'])

	John None
	Alice None
	Alice Los Angeles

	# 找出age大于等于30的结果
	results = table.find(age={'>=': 30})
	for row in results:
	print(row['name'], row['age'])

	Alice 30
	Bob 35

	# 找出age在21到30之间的结果
	results = table.find(age={'between': [21, 30]})
	for row in results:
	print(row['name'], row['age'])

	John 25
	Alice 25
	John 25
	Alice 30

	# 筛选某个字段下的唯一项
	results = table.distinct('name')
	for row in results:
	print(row)

	OrderedDict([('name', 'Alice')])
	OrderedDict([('name', 'Bob')])
	OrderedDict([('name', 'John')])

dataset库还支持更丰富的查询操作，具体可以查看文档：dataset-query。

更新数据

update函数用于更新单条记录。

	# 第一参数为要更新的字段和对应的新值，如果字段不存在则会添加该字段
	# 第二个参数keys用于指定根据哪些列来筛选要更新的对象
	# 下面代码表示将name为'John'的行更新数据
	affected_rows = table.update(dict(name= 'John',age=23,email="qq.com"), keys=['name'])
	print("受影响的行数：", affected_rows)

受影响的行数： 2

	# 获取表中的所有数据
	data = list(table.all())

	# 打印数据
	for row in data:
	print(row)

	OrderedDict([('id', 1), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 3), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', 'New York'), ('food', None), ('length', None)])
	OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
	OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])

update_many也被提供用于批量更新数据。

	# 更新多行数据
	rows = [
	{'name': 'Alice', 'age': 123},
	{'name': 'Bob', 'age': 18}
	]
	# 该函数没有返回值
	table.update_many(rows,keys=['name'])

此外也可以用upsert和upsert_many插入更新单条或多条记录，即如果存在具有匹配关键字的行，则这些行将被更新，否则将在表中插入新行。具体使用类似update和update_many。

删除数据

delete函数用于删除行，如下所示：

	for row in table:
	print(row)

	OrderedDict([('id', 1), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 3), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', 'New York'), ('food', None), ('length', None)])
	OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
	OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])

	# 删除age为23的记录
	table.delete(age=23)
	for row in table:
	print(row)

	OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
	OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])

	# 删除age为30且name为'John'的记录
	table.delete(age=30, name='John')
	for row in table:
	print(row)

	OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)])
	OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
	OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])

	# 找出age大于等于30的结果
	table.delete(age={'>=': 30})
	for row in table:
	print(row)

OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])

drop_column函数会从数据集中删除指定的列，如下所示：

	# sqlite不支持
	# table.drop_column('age')
	# for row in table:
	# print(row)

1.3 事务操作

事务是一组数据库操作，要么全部成功执行，要么全部回滚。这可以确保数据的一致性和完整性。下面代码展示了如何创建一个事务对象。在这种情况下，所有更新都会立即提交，或者，在出现异常的情况下，立即回滚所有操作。事务通过上下文管理器得到支持，因此可以通过with语句使用：

	with dataset.connect('sqlite:///mydatabase.db') as tx:
	# 在这里执行数据库操作
	# 如果所有操作都成功，事务会自动提交
	# 如果发生错误，事务会自动回滚
	tx['user'].insert(dict(name='John Doe', age=46, country='China'))

当然以上代码可以显式调用函数begin、commit和rollback来获得相同的功能：

	db = dataset.connect('sqlite:///mydatabase.db')
	db.begin()
	try:
	db['user'].insert(dict(name='John Doe', age=46, country='China'))
	db.commit()
	except:
	db.rollback()

除此之外，也支持嵌套事务如下所示：

	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'))

如果您发现该资源为电子书等存在侵权的资源或对该资源描述不正确等，可点击“私信”按钮向作者进行反馈；如作者无回复可进行平台仲裁，我们会在第一时间进行处理！

评价 0 条

[python] 基于Dataset库操作数据库

1 使用说明

1.1 数据库操作

1.2 表格操作

1.3 事务操作

相关资源

关注我们