当Python需要与目录交互时，这个模块就变得超级好用

2024-10-20 科技

in users:

print(u.name, u.age)

系统升级和写入图此表

我们先前来系统升级此注记中的一些图此表，编译器如下

# 成立Session:

session = DBSession()

# 可以进言道多条图此表系统升级

user = session.query(User).filter(User.id == 3)

user.update({User.age: 30})

# 审批图此表

session.commit()

# 重新启动Session

session.close()

通过“ID”来拉下要系统升级的图此表的右方，然后我们通过呼叫update()分析方法将其年龄去掉所选的差值。与此同时我们还可以来写入此注记以外的一些差值，编译器如下

# 成立Session

session = DBSession()

# 写入哪些图此表

user = session.query(User).filter(User.id == 5).one()

session.delete(user)

# 审批图此表

session.commit()

# 重新启动session

session.close()

同样我们也是通过“ID”来拉下要写入图此表的右方，然后呼叫delete()分析方法。

直接运转SQL语句

当然我们在成立session最后，我们也可以在外面直接运转SQL语句，例如我们就让要拍照一下总共有哪些资料库，编译器如下

session = DBSession()

print(session.execute('show databases').fetchall())

session.close()

或者我们是就让返国此注记中的所有图此表，编译器如下

session = DBSession()

print(session.execute('select * from user').fetchall())

session.close()

DataFrame到MySQL资料库

我们同时也可以试验性的将excel或者csv元图此表以外的图此表试验性的导入到MySQL资料库以外，我们先通过Pandas载入元图此表中的图此表，编译器如下

sql_connect = 'mysql+pymysql://用户名:密码@ip电话号码:端口号/资料库名称?charset=utf8'

engine = create_engine(sql_connect)

df = pd.read_excel("sqlalchemy_test1.xlsx")

df.to_sql("user", engine, index=False, if_exists='append')

当然我们也可以从资料库的某个此注记以外来载入图此表，编译器如下

df = pd.read_sql("此注记名", engine)

print(df.head())

。