欢迎大家订阅【Python从入门到精通】专栏,一起探索Python的无限可能!
文章目录
前言
在现代应用开发中,与数据库的高效交互是关键的一环。对于使用 Python 语言的开发者来说,PyMySQL 是一个非常实用的工具,它提供了一个简洁且功能强大的接口,用于连接和操作 MySQL 数据库。本章详细讲解了 PyMySQL 的基本操作步骤。
本篇文章参考:黑马程序员
一、基本操作步骤
PyMySQL 是一个用于 Python 的第三方库,它提供了一个简洁且功能强大的接口用于连接和操作 MySQL 数据库。
基本操作步骤如下:
①安装库
电脑输入Win+R打开运行窗口,在运行窗口输入"cmd",点击"确定"
输入pip install pymysql
② 连接数据库
python
# 导包
from pymysql import Connection
# 创建数据库连接
con=Connection(
host='localhost', # 数据库主机地址
port=3306, # 端口,默认3306
user='username', # 数据库用户名
password='password', # 数据库密码
)
③创建游标
python
cursor = connection.cursor()
游标是一个数据库对象,用于逐行检索查询结果。在处理大量数据时,游标允许逐行或按块检索数据,从而避免一次性加载所有数据。这种方法有助于减少内存消耗并提高性能。作为数据库交互的核心,游标使开发者能够方便地执行 SQL 操作、从结果集中提取数据、管理事务,并确保资源的合理使用。
- 与数据库的交互:
游标提供了与数据库交互的接口,允许我们执行不同类型的 SQL 语句(如查询、插入、更新、删除等)。它像一个指针,指向数据库结果集的当前位置,帮助我们从数据库中获取数据或执行修改。 - 执行 SQL 语句:
通过游标的execute()
方法,我们可以执行 SELECT 数据查询语句以及INSERT、UPDATE、DELETE 等数据操作语句。 - 获取查询结果:
执行完查询后,游标提供了fetchall()
方法获取所有结果。该方法返回一个包含所有结果行的列表,每一行是一个元组。 - 迭代遍历结果集:
游标返回的结果集可以方便地进行迭代遍历。例如,可以在循环中逐行处理数据。这样可以逐条访问查询结果,而不必一次性加载所有数据,从而节省内存并提高效率。 - 管理数据库事务:
事务可确保一系列数据库操作要么全部成功,要么全部失败,保持数据的一致性。游标用于执行这些操作并利用连接对象的commit()
和rollback()
方法管理事务的提交或回滚。
④执行SQL语句
a. 执行查询语句:
python
# 执行查询性质SQL
cursor.execute("select * from table_name)
# 获取所有结果
result=cursor.fetchall()
# 迭代遍历结果集
for r in result:
print(r)
b. 执行插入、更新、删除等非查询语句:
pymysql 在执行数据插入或其它产生数据更改的SQL语句时,默认需要通过commit() 确认这种更改行为,否则更改不生效。
python
# 插入数据
cursor.execute("INSERT INTO table_name (column1, column2) VALUES (value1, value2)")
# 提交更改
connection.commit()
如果不想手动commit确认,可以在构建链接对象时设置自动commit的属性。
python
# 导包
from pymysql import Connection
# 创建数据库连接
con=Connection(
host='localhost', # 数据库主机地址
port=3306, # 端口,默认3306
user='username', # 数据库用户名
password='password', # 数据库密码
autocommit=True # 设置自动提交
)
⑤关闭游标和连接
python
cursor.close() # 关闭游标
connection.close() # 关闭连接
二、综合案例分析
【例题1】
假设"sjms"数据库中有一个"student"表,"student"表存储了如下内容:
python
# 导入pymysql库中的Connection类,用于建立与MySQL数据库的连接
from pymysql import Connection
# 构建MySQL数据库的连接
con=Connection(
host="localhost", # 主机名(IP)
port=3306, # 端口,默认3306
user="root", # 用户名(输入自己设置的用户名,我设置的账户名是root)
password="123456" # 密码(输入自己设置的密码,我设置的密码是123456)
)
# get_server_info()方法将打印出连接的MySQL服务器的版本信息,用于确认连接是否成功以及获取数据库的相关信息
print(con.get_server_info())
cursor=con.cursor() # 获取游标对象
con.select_db("sjms") # 选择数据库
# 执行查询性质SQL
cursor.execute("select * from student")
# 游标对象使用fetchall()方法,得到的是全部的查询结果,返回的是元组
result=cursor.fetchall()
for r in result:
print(r)
# 关闭连接
con.close()
输出结果:
【例题2】
某公司有两份数据文件:"2011年1月销售数据.txt"和"2011年2月销售数据JSON.txt"。前者是普通文本文件,使用逗号分隔数据记录,内容依次为日期、订单编号、销售额和销售省份;后者则是JSON格式的数据,内容依次为日期、订单编号、销售额和销售省份。现在需要对这两份数据进行分析和处理,要求是使用面向对象的编程思想来读取和处理数据,计算每日的销售额,并利用Pyecharts库以柱状图的形式展示结果。
文件部分数据如下:
要求使用面向对象的编程思想来读取和处理数据,并将数据写入MySQL。
【实现步骤】
①封装数据对象
python
"""
数据定义类
Record类用于封装销售数据中每一条记录
"""
class Record:
# 该构造方法接受日期、订单编号、销售额和省份,并将它们存储为类的实例变量
def __init__(self,date,order_id,money,province):
self.date = date # 订单日期
self.order_id = order_id # 订单编号
self.money = money # 订单金额
self.province = province # 销售省份
# 字符串表示法,方便打印Record对象的内容,返回一个格式化的字符串
def __str__(self):
return f"{self.date},{self.order_id},{self.money},{self.province}"
【分析】
Record 类的主要作用是将销售数据的每一条记录封装为一个对象,提供了一个清晰的结构来存储和访问这些数据。通过该类,可以方便地创建多个销售记录对象,并在需要时以易读的格式输出它们。在整个分析过程中,Record 类将被用于读取和存储来自两个数据文件的销售记录。
②读取数据
python
"""
文件相关的类定义
"""
# 导入 json 模块,用于处理JSON文件
import json
# 导入 Record 类,以便在其他类中创建记录对象
from data_define import Record
# 定义一个抽象类,用于顶层设计,定义了文件读取的接口
class FileReader:
# 抽象方法,强制子类实现相应的读取方法,并返回一个包含Record对象的列表
def read_data(self)->list[Record]:
pass
# 子类TextFileReader继承父类FileReader,用于从文本文件中读取数据
class TextFileReader(FileReader):
# 构造方法,接受文件路径,并将其存储为实例变量
def __init__(self,path):
self.path=path # 定义成员变量记录文件的路径
# 复写(实现抽象方法)父类的方法
def read_data(self) ->list[Record]:
# 打开指定路径的文本文件
f=open(self.path,"r",encoding="UTF-8")
# 初始化一个空的record_list来存储Record对象
record_list:list[Record]=[]
# 循环读取每一行数据
for line in f.readlines():
line=line.strip() # 消除读取到的每一行数据中的 \n
data_list=line.split(",")
# print(data_list)
# 输出内容:['2011-01-01', '4b34218c-9f37-4e66-b33e-327ecd5fb897', '1689', '湖南省']......
record=Record(data_list[0],data_list[1],int(data_list[2]),data_list[3])
# print(record)
# 输出内容:2011-01-01,4b34218c-9f37-4e66-b33e-327ecd5fb897,1689,湖南省
record_list.append(record)
f.close()
return record_list
# 子类JsonFileReader继承自父类FileReader,用于从JSON文件中读取数据
class JsonFileReader(FileReader):
def __init__(self,path):
self.path=path # 定义成员变量记录文件的路径
def read_data(self) -> list[Record]:
f = open(self.path, "r", encoding="UTF-8")
record_list: list[Record] = []
for line in f.readlines():
# 将json数据转换为Python字典
data_dict=json.loads(line)
# 从字典中提取相应的字段
record=Record(data_dict["date"],data_dict["order_id"],data_dict["money"],data_dict["province"])
print(record)
record_list.append(record)
f.close()
return record_list
【分析】
这段代码实现了一个简单的文本文件读取器,用于读取不同格式的文件(文本和 JSON),并将文件中的每一行数据转换为 Python 对象,便于在后续程序中管理和操作这些数据。
③构建数据库链接
a. 新建一个数据库,数据库名称为"py_sql"
b. 基于数据结构建表,建表语句如下:
sql
CREATE TABLE orders(
order_date DATE,
order id VARCHAR(255),
money INT,
province VARCHAR(10)
);
c. 编写详细代码
python
# 导入必要的库和之前定义的类
from file_define import FileReader,TextFileReader,JsonFileReader
from data_define import Record
from pymysql import Connection
# 创建TextFileReader和JsonFileReader的实例,读取数据到列表中
text_file_reader=TextFileReader("D:/2011年1月销售数据.txt")
jan_data:list[Record]=text_file_reader.read_data()
json_file_reader=JsonFileReader("D:/2011年2月销售数据JSON.txt")
feb_data:list[Record]=json_file_reader.read_data()
# 将两个月份的数据合并为一个list来存储
all_data:list[Record]=jan_data+feb_data
# 构建MySQL数据库的连接
con=Connection(
host="localhost", # 主机名(IP)
port=3306, # 端口,默认3306
user="root", # 用户名(输入自己设置的用户名,我设置的账户名是root)
password="18414", # 密码(输入自己设置的密码,我设置的密码是123456)
autocommit=True # 设置自动提交
)
# 获取游标对象
cursor=con.cursor()
# 选择数据库
con.select_db("py_sql")
# 组织SQL语句
for record in all_data:
sql=(f"insert into orders(order_date,order_id,money,province) "
f"values('{record.date}','{record.order_id}','{record.money},'{record.province}')")
# print(sql)
# 输出结果:insert into orders(order_date,order_id,money,province) values('2011-01-01','4b34218c-9f37-4e66-b33e-327ecd5fb897','1689,'湖南省')......
# 执行sql语句
cursor.execute(sql)
# 关闭连接
con.close()
【分析】
这段代码读取了两个不同格式的销售数据文件(一个文本文件和一个JSON文件),合并了数据并将其插入到 py_sql 数据库的 orders 表中。
运行结果: