
来源:AirPython
作者:星安果
大家好,我是安果!
PgSQL,全称为 PostgreSQL,是一款免费开源的关系型数据库
相比最流行的 Mysql 数据库,PgSQL 在可靠性、数据完整性、扩展性方面具有绝对的优势
本篇文章将聊聊如何使用 Python 操作 PgSQL 数据库
Python 操作 PgSQL,需要先安装依赖包「 psycopg2 」
# 安装依赖包
pip3 install psycopg2
接下来,就可以使用 Python 来操作数据库了
2-1 数据库连接及游标对象
使用 psycopg2 中的「 connect() 」方法连接数据库,创建数据库连接对象及游标对象
import psycopg2
# 获得连接对象
# database:数据库名称
# user:用户名
# password:密码
# host:数据库ip地址
# port:端口号,默认为5432
conn = psycopg2.connect(database="db_name", user="postgres", password="pwd", host="127.0.0.1", port="5432")
# 获取游标对象
cursor = conn.cursor()
获取游标对象后,就可以执行 SQL,进而操作数据库了
2-2 插入数据
首先,编写插入数据的 SQL 语句及参数( 可选 )
# 构建SQL语句
# 方式一:直带参数
sql = "INSERT INTO student (name,age)
VALUES (%s, '%s')" %
('xag',23)
# 方式二:参数分离
sql = """INSERT INTO student (name,age) VALUES (%s, %s)"""
# 参数
params = ('xag',23)
然后,使用游标对象执行 SQL
# 执行sql
# 注意:params可选,根据上面的参数方式来选择设置
cursor.execute(sql,[params])
接着,使用连接对象提交事务
# 事务提交
conn.commit()
最后,释放游标对象及数据库连接对象
# 释放游标对象及数据库连接对象
cursor.close()
conn.close()
2-3 查询数据
游标对象的 fetchone()、fetchmany(size)、fetchall() 这 3个函数即可以实现单条数据查询、多条数据查询、全部数据查询
# 获取一条记录
one_data = cursor.fetchone()
print(one_data)
# 获取2条记录
many_data = cursor.fetchmany(2)
print(many_data)
# 获取全部数据
all_data = cursor.fetchall()
print(all_data)
需要注意的是,条件查询与上面的插入操作类似,条件语句可以将参数分离出来
# 条件查询 SQL语句
sql = """SELECT * FROM student where id = %s;"""
# 对应参数,参数结尾以逗号结尾
params = (1,)
# 执行SQL
cursor.execute(sql, params)
# 获取所有数据
datas = cursor.fetchall()
print(datas)
2-4 更新数据
更新操作和上面操作一样,唯一不同的是,执行完 SQL 后,需要使用连接对象提交事务,才能将数据真实更新到数据库中
def update_one(conn, cursor):
"""更新操作"""
# 更新语句
sql = """update student set name = %s where id = %s """
params = ('AirPython', 1,)
# 执行语句
cursor.execute(sql, params)
# 事务提交
conn.commit()
# 关闭数据库连接
cursor.close()
conn.close()
2-5 删除数据
删除数据同更新数据操作类似
def delete_one(conn, cursor):
"""删除操作"""
# 语句及参数
sql = """delete from student where id = %s """
params = (1,)
# 执行语句
cursor.execute(sql, params)
# 事物提交
conn.commit()
# 关闭数据库连接
cursor.close()
conn.close()
通过上面操作,可以发现 Python 操作 PgSQl 与 Mysql 类似,但是在原生 SQL 编写上两者还是有很多差异性
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15