Skip to content
The Chat Archive
gpt-4-1106-preview· OpenAI WildChat-4.8M (AI2)

СПособы взаимодействия между питоном и sql

  1. User

    СПособы взаимодействия между питоном и sql

  2. Assistant

    Взаимодействие между Python и SQL осуществляется преимущественно посредством библиотек, предоставляющих API для выполнения SQL-запросов и обработки данных из баз данных. Вот несколько способов и инструментов для взаимодействия между Python и SQL:

    1. SQLite3: Встроенная библиотека для работы с базой данных SQLite. Очень удобна для небольших проектов или прототипирования.
    import sqlite3
    
    connection = sqlite3.connect('example.db')
    cursor = connection.cursor()
    
    # Создание таблицы
    cursor.execute('''CREATE TABLE stocks (date text, trans text, symbol text, qty real, price real)''')
    
    # Вставка данных
    cursor.execute("INSERT INTO stocks VALUES ('2006-01-05','BUY','RHAT',100,35.14)")
    
    # Сохранение изменений
    connection.commit()
    
    # Закрытие соединения
    connection.close()
    
    1. PyMySQL: Чисто Python MySQL клиент, можно использовать для взаимодействия с базами данных MySQL.
    import pymysql
    
    conn = pymysql.connect(host='localhost', user='user', password='passwd', db='db')
    
    with conn.cursor() as cursor:
        # Выполнение SQL-запроса
        cursor.execute('SELECT * FROM table_name')
        
        # Получение результатов
        results = cursor.fetchall()
    
    conn.close()
    
    1. psycopg2: Библиотека для работы с PostgreSQL из Python.
    import psycopg2
    
    conn = psycopg2.connect("dbname=test user=postgres")
    
    # Создание курсора
    cur = conn.cursor()
    
    # Выполнение запроса
    cur.execute("SELECT * FROM my_table")
    
    # Получение данных
    rows = cur.fetchall()
    
    # Закрытие соединения
    cur.close()
    conn.close()
    
    1. SQLAlchemy: ORM (Object-Relational Mapping) инструмент, который позволяет вам работать с базами данных в более абстрактном, объектно-ориентированном стиле.
    from sqlalchemy import create_engine
    
    # Создаём движок
    engine = create_engine('sqlite:///example.db')
    
    # Ввод запроса
    result = engine.execute("select username from users")
    
    # Итерация по результатам
    for row in result:
        print(row)
    
    # Закрытие соединения
    result.close()
    
    1. SQLAlchemy + ORM: Работа с данными через классы и объекты.
    from sqlalchemy import create_engine, Column, Integer, String
    from sqlalchemy.ext.declarative import declarative_base
    from sqlalchemy.orm import scoped_session, sessionmaker
    
    engine = create_engine('sqlite:///example.db')
    db_session = scoped_session(sessionmaker(bind=engine))
    Base = declarative_base()
    Base.query = db_session.query_property()
    
    class User(Base):
        __tablename__ = 'users'
        id = Column(Integer, primary_key=True)
        name = Column(String)
    
        def __init__(self, name=None):
            self.name = name
            
    # Добавление нового пользователя
    new_user = User(name='John')
    db_session.add(new_user)
    db_session.commit()
    
    # Получение всех пользователей
    users = User.query.all()
    
    1. Pandas: Библиотека Pandas обеспечивает интеграцию с SQL через SQLAlchemy и предоставляет простой способ считывания и записи данных из/в различные базы данных.
    import pandas as pd
    from sqlalchemy import create_engine
    
    # Создание движка SQLAlchemy для SQLite
    engine = create_engine('sqlite:///example.db')
    
    # Загрузить таблицу из базы данных в DataFrame
    df = pd.read_sql_table('table_name', engine)
    
    # Выполнить SQL-запрос и загрузить результат в DataFrame
    df = pd.read_sql_query('SELECT * FROM table_name', engine)
    

    Выбор способа взаимодействия зависит от задач, которые перед вами стоят, от объёма данных, их сложности и предпочтений в стиле программирования.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.