chatgpt赋能python：Python数据库表的建立

Python 数据库表的建立

在开发过程中，使用数据库保存数据非常常见。而在数据库中，数据表是最基本的数据单元。Python 是一门十分强大的编程语言，在数据库表的建立方面也有自己的独特优势。

关系型数据库与非关系型数据库

在介绍 Python 建立数据库表之前，先来简单了解一下关系型数据库与非关系型数据库的区别。

• 关系型数据库：指使用关系模型来组织数据的数据库，如 MySQL、Oracle 等。
• 非关系型数据库：又称为 NoSQL（Not Only SQL），指使用非关系型模型来组织数据的数据库，如 MongoDB、Redis 等。

在选择数据库时，需要根据具体需求来选择适合的类型。

使用 Python 建立关系型数据库表

关系型数据库由表格组成，每个表格由数据行和列组成。在 Python 中，可以使用第三方库来进行数据库的操作。以 MySQL 为例，使用 PyMySQL 库可以连接和操作 MySQL 数据库。

建立表格

新建表格之前，需要先连接数据库：

import pymysql

# 打开数据库连接
db = pymysql.connect(host="localhost", user="root", password="password", database="test")

然后可以使用 SQL 语句通过 Python 来创建表格：

cursor = db.cursor()

# 创建表格 SQL 语句
create_table_sql = """
CREATE TABLE employee (
    id INT NOT NULL AUTO_INCREMENT,
    name VARCHAR(20) NOT NULL,
    age INT,
    sex CHAR(1),
    PRIMARY KEY (id)
)"""

# 执行 SQL 语句
cursor.execute(create_table_sql)

# 提交到数据库执行
db.commit()

这个例子中，建立了一个名为 employee 的表格，包含 id、name、age、sex 四个列。其中 id 列为自动递增的主键，name 列和 age 列不能为空。

插入数据

表格创建完成后，可以插入数据到表格中：

# 插入数据 SQL 语句
insert_sql = """
INSERT INTO employee(name, age, sex)
VALUES ('Tom', 18, 'M'),
       ('Lily', 20, 'F'),
       ('Lucy', 22, 'F')
"""

# 执行 SQL 语句
cursor.execute(insert_sql)

# 提交到数据库执行
db.commit()

这个例子中，插入了三个员工的信息到 employee 表格中。

查询数据

插入数据后，可以通过 SQL 语句查询数据：

# 查询 SQL 语句
select_sql = "SELECT * FROM employee"

# 执行 SQL 语句
cursor.execute(select_sql)

# 获取所有记录列表
results = cursor.fetchall()

# 打印查询结果
for row in results:
    id = row[0]
    name = row[1]
    age = row[2]
    sex = row[3]
    print(f"id={id}, name={name}, age={age}, sex={sex}")

这个例子中，查询了 employee 表格中的所有记录，将记录信息输出到控制台上。

更新数据

查询到数据之后，可以通过 SQL 语句来更新数据：

# 更新数据 SQL 语句
update_sql = "UPDATE employee SET age = age + 1 WHERE sex = 'F'"

# 执行 SQL 语句
cursor.execute(update_sql)

# 提交到数据库执行
db.commit()

这个例子中，更新了 employee 表格中性别为女性的员工年龄都加 1。

删除数据

若需要删除数据，可以通过 SQL 语句来删除：

# 删除数据 SQL 语句
delete_sql = "DELETE FROM employee WHERE name = 'Tom'"

# 执行 SQL 语句
cursor.execute(delete_sql)

# 提交到数据库执行
db.commit()

这个例子中，删除了 employee 表格中名字为 Tom 的员工信息。

使用 Python 建立非关系型数据库表

在非关系型数据库中，可以使用 Python 和 NoSQL 数据库相应的 API 进行操作。以 MongoDB 为例。

建立集合

MongoDB 中，表格被称为集合（collection）。可以使用 PyMongo 库来连接和操作 MongoDB 数据库：

import pymongo

# 连接 MongoDB 数据库
client = pymongo.MongoClient("mongodb://localhost:27017/")

# 进入集合（不存在时会新建）
db = client["test"]
collection = db["employee"]

这个例子中，连接了 MongoDB 数据库，然后进入名为 test 的数据库，创建了名为 employee 的集合。

插入数据

向集合中插入数据非常简单：

# 插入数据
employees = [
    {"name": "Tom", "age": 18, "sex": "M"},
    {"name": "Lily", "age": 20, "sex": "F"},
    {"name": "Lucy", "age": 22, "sex": "F"}
]
collection.insert_many(employees)

这个例子中，向 employee 集合中插入了三个员工的信息。

查询数据

查询数据也非常方便：

# 查询数据
results = collection.find()

# 打印查询结果
for result in results:
    print(result)

这个例子中，查询了 employee 集合中所有员工的信息并打印出来。

更新数据

更新数据也很简单：

# 更新数据
update_filter = {"sex": "F"}
update_data = {"$inc": {"age": 1}}
collection.update_many(update_filter, update_data)

这个例子中，将 employee 集合中性别为女性的员工年龄都加 1。

删除数据

删除数据也很简单：

# 删除数据
delete_filter = {"name": "Tom"}
collection.delete_one(delete_filter)

这个例子中，删除了 employee 集合中名字为 Tom 的员工信息。

结论

无论是关系型数据库还是非关系型数据库，在 Python 中都有很好的支持。Python 中的第三方库能够让我们十分方便地连接数据库、创建表格、插入、查询、更新和删除数据。这些操作都可以通过简单的 Python 代码来实现，非常适合开发者使用。

最后的最后

本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。

对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。

🧡AI职场汇报智能办公文案写作效率提升教程 🧡 专注于AI+职场+办公方向。
下图是课程的整体大纲


下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具

🚀 优质教程分享 🚀

• 🎄可以学习更多的关于人工只能/Python的相关内容哦！直接点击下面颜色字体就可以跳转啦！