百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

python中orm框架sqlalchemy使用(python中ord函数怎样使用)

ztj100 2025-05-05 20:16 48 浏览 0 评论

一、简介

sqlalchemy是python中开源的orm框架,用于简化在python中对数据库的操作。这里对sqlalchemy中的常用操作进行介绍。

二、准备

2.1 官网地址

官网地址
:https://docs.sqlalchemy.org/en/14/

2.2 依赖包安装

pip3 install sqlalchemy

三、使用

3.1 创建映射对象

定义对象类,属性字段与对应表字段关联,同时可指定默认值等属性,示例如下:

# 基类

Base = declarative_base()

class Stu(Base):

# 设置表名

__tablename__ = 'stu'

# 属性名与表中字段名映射

id = Column('id', Integer, primary_key=True)

no = Column('no', String)

# server_default为默认值,text为文本表示

stuName = Column('stu_name', String, server_default='')

createTime = Column('create_time', DateTime, server_default=text('NOW()'))

# 返回对象的字符串表示

def __repr__(self) -> str:

return str(self.__dict__)

3.2 创建数据库连接

指定要连接的数据库,创建会话,同时可根据需要设置相关参数,示例如下:

# 连接地址,格式为 mysql+pymysql://[账号]:[密码]@[主机]:[端口]/[数据库]?charset=utf8"

url = 'mysql+pymysql://root:root@127.0.0.1:3306/school?charset=utf8'

# echo为True时,打印sql,可用于调试

engine = create_engine(url, echo=False, encoding='utf-8', pool_size=5)

sessionClass = sessionmaker(bind=engine)

# 创建会话

session = sessionClass()

# 使用完后关闭会话

# session.close()

3.3 查询

3.3.1 常用查询

这里列中常用查询,包含排序、分组、条件查询、个数查询、单个查询、列表查询等,具体请看示例代码:

# 查所有,并排序

stuList = session.query(Stu).order_by(Stu.id).all()

# 查询指定属性并遍历,方式一

for id, no in session.query(Stu.id, Stu.no):

print("id:{} no:{}".format(id, no))

# 查询指定属性并遍历,方式二

for t in session.query(Stu.id, Stu.no).all():

print("id:{} no:{}".format(t.id, t.no))

# 查所有,并排序

stuList = session.query(Stu).order_by(Stu.id).all()

# 分页查询

stuList = session.query(Stu).limit(2).offset(0).all()

# 查询个数

stuList = session.query(Stu).count()

# 查询个数,scalar()表示返回第一个结果的第一个元素

cnt = session.query(func.count('*')).select_from(Stu).scalar()

# 查询个数,带条件统计

cnt = session.query(func.count('*')).select_from(Stu).filter(Stu.id>2).scalar()

# 根据id统计

cnt = session.query(func.count(Stu.id)).scalar()

# 指定条件查询

stuList = session.query(Stu).filter(Stu.id > 2, Stu.createTime < datetime.datetime.now()).all()

# 获取第一个,没有则抛异常

# stu = session.query(Stu).filter(Stu.id==2).one()

# 获取第一个,没有则返回None

stu = session.query(Stu).filter(Stu.id == 1).first()

# 获取第一个,没有则返回None

stu = session.query(Stu).filter(Stu.id == 2).one_or_none()

# group by查询

stuList = session.query(func.count('*'), Stu.stuName).filter(or_(Stu.id > 2, Stu.stuName == 'apple1')).group_by(

Stu.stuName).all()

3.3.2 条件查询

这里列出常用的条件查询,示例如下:

# 相等查询

stuList = session.query(Stu).filter(Stu.id == 2).all()

# 不等查询

stuList = session.query(Stu).filter(Stu.id != 2).all()

# 大于查询

stuList = session.query(Stu).filter(Stu.id > 2).all()

# in查询

stuList = session.query(Stu).filter(Stu.id.in_([82, 83])).all()

# not in 查询

stuList = session.query(Stu).filter(~Stu.id.in_([82, 83])).all()

# 嵌套查询

stuList = session.query(Stu).filter(Stu.id.in_(session.query(Stu.id).filter(Stu.id <= 83))).all()

# like查询(不同后端时,有时大小写不敏感)

stuList = session.query(Stu).filter(Stu.stuName.like('Apple%')).all()

# like查询(明确大小写不敏感)

stuList = session.query(Stu).filter(Stu.stuName.ilike('Apple%')).all()

# null查询

stuList = session.query(Stu).filter(Stu.stuName.is_(None)).all()

# not null查询

stuList = session.query(Stu).filter(Stu.stuName.isnot(None)).all()

# and查询

stuList = session.query(Stu).filter(Stu.id > 2, Stu.stuName == 'apple1').all()

# or查询

stuList = session.query(Stu).filter(or_(Stu.id > 2, Stu.stuName == 'apple1')).all()

# 多级过滤

stuList = session.query(Stu).filter(Stu.id > 2).filter(Stu.stuName == 'apple1').all()

3.3.3 直接sql语句查询

除了sqlalchemy带的查询方法,还可直接使用sql语句查询,使用如下:

# 直接使用sql语句查询(只有条件sql语句)

stuList = session.query(Stu).filter(text("id>2 and stu_name='apple1'")).order_by(text("id")).all()

# 直接使用sql语句查询(完整的sql语句)

stuList = session.query(Stu).from_statement(

text("select * from stu where id>:id and stu_name=:name order by id").params(id=2, name='apple1')).all()

3.4 插入

3.4.1 单条插入

# 单条插入

stu = Stu(no='86', stuName='apple86', createTime=datetime.datetime.now())

session.add(stu)

session.commit()

3.4.2 批量插入

# 批量插入

stuList = [Stu(id=83, no='83', stuName='apple83', createTime=datetime.datetime.now()), Stu(id=84, no='84', stuName='apple84')]

session.add_all(stuList)

session.commit()

3.4.3 使用sql语句插入

# 直接使用sql语句,用Stu对象转dict插入

stu = Stu(id=91, no='2', stuName='tree4', createTime=datetime.datetime.now())

session.execute("insert into stu(no, stu_name) value(:no, :stuName)", stu.__dict__)

# 直接使用sql语句,用stu映射

stu_obj = {'id': 3, 'no': '3', 'stuName': 'tree3', 'createTime': datetime.datetime.now()}

session.execute("insert into stu(no, stu_name) value(:no, :stuName)", stu_obj)

3.4.4 忽略已存在的插入

若数据已经存在,则不插入,否则直接插入。

# 直接使用sql语句,用stu映射,若对象已存在,则忽略

stu = Stu(id=91, no='2', stuName='tree4', createTime=datetime.datetime.now())

session.execute("insert ignore into stu(no, stu_name) value(:no, :stuName)", stu.__dict__)

3.4.5 更新插入

若数据已经存在,则做更新操作,否则直接插入。

# 直接使用sql语句,若对象已存在,则更新

stu = Stu(id=91, no='2', stuName='tree4', createTime=datetime.datetime.now())

session.execute("insert into stu(no, stu_name) value(:no, :stuName) on duplicate key update stu_name=values(stu_name)", stu.__dict__)

3.5 更新

更新时,流程是先查出对象,再对对象修改,最后直接commit。使用示例如下:

# 更新,流程:先查出对象,再对对象修改,最后直接commit

stu = session.query(Stu).filter(Stu.id==82).first()

stu.stuName ='rice1'

session.commit()

# 更新(根据条件可批量更新),流程:查对象同时进行修改,最后直接commit

session.query(Stu).filter(Stu.id >= 85).update({Stu.stuName: 'tree1'})

session.commit()

3.6 删除

删除同更新类似,流程是先查出对象,再删除对象delete,最后直接commit。使用示例如下:

# 删除,流程:先查出对象,再删除对象delete,最后直接commit

stu = session.query(Stu).filter(Stu.id==83).first()

session.delete(stu)

session.commit()

# 删除(根据条件可批量删除),流程:查出对象同时删除对象delete,最后直接commit

session.query(Stu).filter(Stu.id >= 85).delete()

session.commit()

四、结尾

上面列出了sqlalchemy中的常用部分操作,更多操作可查看官网或源码。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: