
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
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10