京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25