一、SQLalchemy简介
SQLAlchemy是一个开源的SQL工具包,基本Python编程语言的MIT许可证而发布的对象关系映射器。SQLAlchemy提供了“一个熟知的企业级全套持久性模式,使用ORM等独立SQLAlchemy的一个优势在于其允许开发人员首先考虑数据模型,并能决定稍后可视化数据的方式。
二、SQLAlchempy的安装
首先需安装mysql,这里就不再多说了.....
然后,下载SQLAlchemy(http://www.sqlalchemy.org/download.html),这里我们以Windows系统为例,然后打开cmd,在安装包文件目录下,运行
python setup.py install
,通过python下输入
import sqlalchemy
,执行未报错则表示安装成功
三、SQLAlchemy的使用实例
1、完成简单数据表信息查询
# 1. 导入模块
from sqlalchemy import *
from sqlclchemy.orm import *
# 2. 建立数据库引擎
mysql_engine = create_engine("$address", echo, module)
#address 数据库://用户名:密码(没有密码则为空)@主机名:端口/数据库名
#echo标识用于设置通过python标准日志模块完成的SQLAlchemy日志系统,当开启日志功能,我们将能看到所有的SQL生成代码
# 3. 建立连接
connection = mysql_engine.connect()
# 4. 查询表信息
result = connection.execute("select name from t_name)
for row in result:
print "name: ", row['name']
# 5. 关闭连接
connection.close()
2、插入新的数据表
# 1. 导入模块
from sqlalchemy import *
from sqlclchemy.orm import *
# 2. 建立数据库引擎
mysql_engine = create_engine("$address", echo, module)
#address 数据库://用户名:密码(没有密码则为空)@主机名:端口/数据库名
#echo标识用于设置通过python标准日志模块完成的SQLAlchemy日志系统,当开启日志功能,我们将能看到所有的SQL生成代码
# 3. 设置metadata并将其绑定到数据库引擎
metadata = Metadata(mysql_engine)
# 4. 定义需新建的表
users = Table('users', metadata,Column('user_id', Integer, primary_key=True),
Column('name', String(40)),
Column('age', Integer),
Column('password', String),)
#Table实现方式与SQL语言中的CRETE TABLE类似
# 5. 在数据库中创建表
metadata.create_all(mysql_engine)
#向数据库发出CREATE TABLE命令,由此数据库新建名为users的表
#调用时会检查已经存在的表结构,因此可重复调用
# 6. 创建一个与数据库中的users表匹配的python类
class user():
def __int__(self, name, fullname, password):
self.name = name
self.fullname = fullname
self.passwd = passwd
#python类的属性需与users表的列名一致
# 7. 设置映射
from sqlalchemy.orm import mapper
mapper(user, users)
# mapper()创建一个新的Mapper对象,与定义的类相关联
#需要注意的是,通过mapper建立映射的数据表必须带有主键,如果没有主键就无法定位某个table的某行row,
#如果无法定位某行row, 就无法做Object-relational mapping这样的映射
# 8. 创建session
Session = sessionmaker(bind=mysql_egnine)
session = Session()
#由此我们只需对python的user类的操作,后台数据库的具体实现交由session完成
# 9. 执行
session.commit()
#实现与数据库的交互
# 10. 查询
usr_info = session.query(user).filter_by(age=12).first()
#返回数据库中年纪12岁的第一条数据
上面结合SQLAlchemy中ORM部分实现一个Mapper对象,将类的实例对应表中的记录,实例的属性对应字段。实现一个Data Mapping需要三个元素:Tabella Metadata, user-defined class, mapper对象,这三个是实现对象对表映射的基本元素,在此基础上,可实现一对多的映射,实现类似多表查询的问题
首先创建两个相关联的表Student, Score,表Score中以主表的id字段为外键
Student = Table('student', engine,
column(‘id', Interger, primary_key = True),
column('name', String, nullable=False),
column('age', Interger)
)
Score = Table('score', engine,
column('id', Integer, primary_key=True),
column('student_id', Integer, ForeignKey(student.id))
column('category', String, nullable=False),
column('score', Integer)
)
两表中,Score表以Student表中id项为外键,一般称Student表为主表,Score表为从表
表创建好后,那同样,在python中需定义两个与表相对应的类
class student_type(object):
def __init__(self):
self.name = None
class score_type(object):
def __init__(self):
self.category = None
在建立mapping时,我们只需要体现两个表间又相互关联关系,
并不关心表中具体的主键与外键等关系(由SQLAlchemy处理),
当需要体现表student与表score间的关联关系,mapper具体的定义方法如:
mapper(student_type, student, properties={'_scores': relation(score_type, Score)})
通过properties中参数,实现score_type 与Score的映射,
由此可以通过访问student中的'_scores'属性来查询Score表中的值
另外,properties是一个字典,可以添加多个属性,SQLAlchemy中有些模块如backref, 也可导入
综上,使用关系映射可以方便地从一个对象直接找到相对应的其他的对象
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新动态
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]