Python数据持久化-mysql篇

本文涉及的产品
云数据库 RDS MySQL Serverless,0.5-2RCU 50GB
简介: 1.下载pymysql模块pymysql模块对python3的支持比较好安装命令:pip install pymysql2.新建一个数据库会用可视化工具hedisql或者navicat创建数据库则跳过此步打开cmd或者PoweShell打开...

1.下载pymysql模块

pymysql模块对python3的支持比较好
安装命令:pip install pymysql

2.新建一个数据库

会用可视化工具hedisql或者navicat创建数据库则跳过此步
打开cmd或者PoweShell
打开方式是windows+R组合键
具体操作为:在按住windows键的情况,再按R键
windows键在键盘左下方,下方第一行从左往右数第二个有windows图标的键就是windows键
呼唤出窗口如下图所示:

图片.png-7kB
图片.png-7kB

运行窗口中输入powershell
图片.png-6.9kB
图片.png-6.9kB

点击上图中的确定后,如下图所示。
图片.png-4kB
图片.png-4kB

在PowerShell中输入命令并运行: mysql -u root -p
图片.png-4.6kB
图片.png-4.6kB

输入root用户对应的密码后,运行如下图所示:
图片.png-11.6kB
图片.png-11.6kB

在mysql中输入命令并运行: create database pydb
图片.png-9.5kB
图片.png-9.5kB

出现上图所示,则成功创建数据库。

3.编辑py文件

3.1插入数据

import pymysql

if __name__ == "__main__":
    args = dict(
        host = 'localhost',
        user = 'root',
        passwd = '...your password',
        db = 'pydb',
        charset = 'utf8'
    )
    conn = pymysql.connect(**args)
    cursor = conn.cursor()
    cursor.execute("drop table if exists test")
    cursor.execute("create table test(id int,name varchar(20))")
    cursor.execute('insert into test values(1,"小明")')
    cursor.execute('insert into test values(2,"小红")')
    cursor.execute('insert into test values(3,"小王")')
    conn.commit()
    conn.close()

3.2查询数据

cursor.fetchall()函数示例:

import pymysql

if __name__ == "__main__":
    args = dict(
        host = 'localhost',
        user = 'root',
        passwd = '...your password',
        db = 'pydb',
        charset = 'utf8'
    )
    conn = pymysql.connect(**args)
    cursor = conn.cursor()
    cursor.execute("select * from test")
    data_list = cursor.fetchall()
    for data in data_list:
        print(data)
    conn.commit()
    conn.close()

上面一段代码的运行结果如下:

(1, '小明')
(2, '小红')
(3, '小王')

cursor.fetchmany()函数示例:

import pymysql

if __name__ == "__main__":
    args = dict(
        host='localhost',
        user='root',
        passwd='...your password',
        db='pydb',
        charset='utf8'
    )
    conn = pymysql.connect(**args)
    cursor = conn.cursor()
    cursor.execute("select * from test")
    data_list = cursor.fetchmany(2)
    for data in data_list:
        print(data)
    conn.commit()
    conn.close()

上面一段代码的运行结果如下:

(1, '小明')
(2, '小红')

小结

关键是mysql的sql语句要熟练,python连接mysql数据库后对相应的数据库利用cursor.execute()方法进行操作。
完成操作后要提交,即conn.commit();关闭连接,即conn.close()

相关实践学习
基于CentOS快速搭建LAMP环境
本教程介绍如何搭建LAMP环境,其中LAMP分别代表Linux、Apache、MySQL和PHP。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
目录
相关文章
|
1天前
|
机器学习/深度学习 算法 数据挖掘
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享-2
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享
16 1
|
1天前
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by='A', ascending=False)`。`rank()`函数用于计算排名,如`df['A'].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=['A', 'B'], ascending=[True, False])`和分别对'A'、'B'列排名。
11 2
|
2天前
|
Python
如何使用Python的Pandas库进行数据缺失值处理?
Pandas在Python中提供多种处理缺失值的方法:1) 使用`isnull()`检查;2) `dropna()`删除含缺失值的行或列;3) `fillna()`用常数、前后值填充;4) `interpolate()`进行插值填充。根据需求选择合适的方法处理数据缺失。
28 9
|
4天前
|
SQL 关系型数据库 MySQL
Python与MySQL数据库交互:面试实战
【4月更文挑战第16天】本文介绍了Python与MySQL交互的面试重点,包括使用`mysql-connector-python`或`pymysql`连接数据库、执行SQL查询、异常处理、防止SQL注入、事务管理和ORM框架。易错点包括忘记关闭连接、忽视异常处理、硬编码SQL、忽略事务及过度依赖低效查询。通过理解这些问题和提供策略,可提升面试表现。
25 6
|
4天前
|
索引 Python
如何使用Python的Pandas库进行数据透视表(pivot table)操作?
使用Pandas在Python中创建数据透视表的步骤包括:安装Pandas库,导入它,创建或读取数据(如DataFrame),使用`pd.pivot_table()`指定数据框、行索引、列索引和值,计算聚合函数(如平均分),并可打印或保存结果到文件。这允许对数据进行高效汇总和分析。
10 2
|
5天前
|
JSON 关系型数据库 数据库
《Python 简易速速上手小册》第6章:Python 文件和数据持久化(2024 最新版)
《Python 简易速速上手小册》第6章:Python 文件和数据持久化(2024 最新版)
30 0
|
6天前
|
机器学习/深度学习 Python 数据处理
Python中利用长短期记忆模型LSTM进行时间序列预测分析 - 预测电力负荷数据
Python中利用长短期记忆模型LSTM进行时间序列预测分析 - 预测电力负荷数据
27 0
Python中利用长短期记忆模型LSTM进行时间序列预测分析 - 预测电力负荷数据
|
6天前
|
存储 机器学习/深度学习 数据可视化
Python面板时间序列数据预测:格兰杰因果关系检验Granger causality test药品销售实例与可视化
Python面板时间序列数据预测:格兰杰因果关系检验Granger causality test药品销售实例与可视化
49 6
|
6天前
|
机器学习/深度学习 数据采集 供应链
从数据到决策:scikit-learn在业务分析中的应用
【4月更文挑战第17天】本文探讨了scikit-learn在业务分析中的应用,包括数据预处理、分类、回归和聚类模型的构建,以及模型评估与优化。通过使用scikit-learn,企业能有效处理数据、预测趋势、客户细分并制定决策,从而提升经营效率和市场策略。随着机器学习的发展,scikit-learn在业务分析领域的潜力将持续释放,创造更多价值。
|
分布式计算 关系型数据库 MySQL
E-Mapreduce如何处理RDS的数据
目前网站的一些业务数据存在了数据库中,这些数据往往需要做进一步的分析,如:需要跟一些日志数据关联分析,或者需要进行一些如机器学习的分析。在阿里云上,目前E-Mapreduce可以满足这类进一步分析的需求。
4935 0

推荐镜像

更多