Python数据分析:Python操作SQLite数据库

SQLite是一个内存数据库，不需要配置，也不需要服务器，可以直接使用。

本文介绍一下如何在Python中使用SQLite数据库，在Python中，可以sqlite3这个库来调用SQLite数据库。

使用前，需要先导入sqlite3。

import sqlite3

接着，使用特定的文件名‘:memory:’在内存中创建一个数据库。

con = sqlite3.connect(':memory:')

运行后，得到一个数据库连接对象con。

在这个数据库中创建一个表，SQL语句如下。

createtb_sql = '''
create table test(
    stuid varchar(10),
    stuname varchar(20),
    gender varchar(2),
    age integer
);
'''

以上只是通过多行字符串定义了一条SQL语句，接下来执行。

con.execute(createtb_sql)
con.commit()

以上代码中，通过con对象中的execute方法来执行这个建表语句。

运行后，创建一个表test，此时还没有数据。

向里面插入一条记录，代码如下。

insert_sql = "insert into test values('20161001', 'sunbin', '男', 29);"
con.execute(insert_sql)
con.commit()

查询看看。

cursor = con.execute('select * from test;')
cursor.fetchall()

运行结果：

从查询结果可以看出，整个结果是一个列表，列表里每条记录是一个元组。

如果要插入多条记录，可以这样来写。

data = [('20161002','Zhangsan','男',19),
     ('20161003','Lisi','女',22),
     ('20161004','Wangwu','男',21)]
insert_sql2 = "insert into test values(?, ?, ?, ?);"

以上代码中，先定义数据data，再写一条insert语句，问号表示占位符。

接着，执行以上插入语句，代码如下。

con.executemany(insert_sql2,  data)
con.commit()

注意，此时调用的是executemany，表示插入多条记录。

再次查询，代码如下。

cursor = con.execute('select * from test;')
cursor.fetchall()

运行结果：

但是，以上查询结果不太方便在Python中分析，因为在Python数据分析中，一般通过数据框的形式来处理数据，以上查询结果还需要转换为数据框的形式。

当然，我们并不需要去转换，因为pandas中提供了一个函数read_sql_query，位于pandas.io.sql模块，该函数能够直接得到数据框形式的查询结果，只需要传入select语句和连接对象即可。

import pandas.io.sql as sql
sql.read_sql_query('select * from test;', con)

运行结果：

此时得到的查询结果就是一个数据框。

以上就是在Python中使用SQLite数据库。