SQLAlchemy 2.0
版本检查
import sqlalchemy
sqlalchemy.__version__
建立连接-engine
任何 SQLAlchemy 应用程序的开始都是一个称为Engine的对象。此对象充当连接到特定数据库的中心源，既提供一个工厂，又提供一个称为 连接池 的存储空间，用于这些数据库连接。
用法：
engine = create_engine('dialect+driver://username:password@host:port/database')
- dialect：数据库类型
- driver：数据库驱动选择
- username：数据库用户名
- password： 用户密码
- host：服务器地址
- port：端口
- database：数据库
SQLAlchemy 通过 Engine 管理与数据库的连接信息。
from sqlalchemy import create_engine,text,Table,MetaData
# 1. 创建引擎（mysql数据库引擎）
engine = create_engine('mysql+mysqlconnector://root:123456@localhost:3306/my_db', echo=True)
# 2. 连接数据库
with engine.connect() as conn:
result = conn.execute(text('select * from student'))
print(result.fetchall())
conn.execute(text('insert into student (uid, name, age) values (:uid,:name,:age)'),{'uid':106,'name':'xiaoba','age':22})
conn.commit()
result2 = conn.execute(text('select * from student'))
print(result2.fetchall())
# 传入多个参数，一次性插入多行数据
conn.execute(text('insert into student (uid, name, age) values (:uid,:name,:age)'),[{'uid':106,'name':'xiaoba','age':22},{'uid':107,'name':'laojiu','age':25},{'uid':108,'name':'chengshi'}])
conn.close()
创建引擎的
echo=True参数代表在控制台上打印运行SQL日志；在这个例子中，我们使用text()函数构造了一个安全的 SQL 语句，并通过字典传递了参数；通过fetchall()获取执行SQL返回的结果集，值得注意的是，再调用该方法后，会关闭结果集，再次调用只会返回空列表(源码中有讲解)；整个execute执行语句是隐式包含事务的，如果不通过commit()进行提交，默认会 ROLLBACK 回滚。
下面展示下连接不同数据库驱动的选择：
PostgreSQL
engine = create_engine('postgresql://scott:tiger@localhost/mydatabase')
psycopg2
engine = create_engine('postgresql+psycopg2://scott:tiger@localhost/mydatabase')
pg8000
engine = create_engine('postgresql+pg8000://scott:tiger@localhost/mydatabase')
MySQL
default
engine = create_engine('mysql://scott:tiger@localhost/foo')
mysql-python
engine = create_engine('mysql+mysqldb://scott:tiger@localhost/foo')
MySQL-connector-python
engine = create_engine('mysql+mysqlconnector://scott:tiger@localhost/foo')
OurSQL
engine = create_engine('mysql+oursql://scott:tiger@localhost/foo')
More notes on connecting to MySQL at MySQL.
Oracle
engine = create_engine('oracle://scott:[email protected]:1521/sidname')
engine = create_engine('oracle+cx_oracle://scott:tiger@tnsname')
More notes on connecting to Oracle at Oracle.
Microsoft SQL Server
engine = create_engine('mssql+pyodbc://scott:tiger@mydsn')
pymssql
engine = create_engine('mssql+pymssql://scott:tiger@hostname:port/dbname')
SQLite
engine = create_engine('sqlite:///foo.db')
engine = create_engine('sqlite:absolute/path/to/foo.db')
使用
engine = create_engine('mysql+mysqlconnector://root:123456@localhost:3306/my_db', echo=True)
- echo=True代表在控制台打印SQL执行过程
注意：这里的创建引擎并不代表创建了数据库的连接器。
Pandas处理的数据写入数据库
from sqlalchemy import create_engine,text,Table,MetaData
import pandas pd
# pandas 加载处理数据
...
# 可选：检查DataFrame列是否与数据库表列匹配
metadata = MetaData()
table = Table(DB_TABLE, metadata, autoload_with=engine)
df_cols = set(df.columns)
table_cols = set(table.columns.keys())
if df_cols != table_cols:
print("DataFrame columns and database table columns do not match:")
print(f"DataFrame columns: {df_cols}")
print(f"Table columns: {table_cols}")
# 在这里，您可以选择添加或删除列，以使它们匹配
# 或者，您可以修改数据库表结构以匹配DataFrame
else:
print("DataFrame columns match database table columns.")
# 将DataFrame插入到MySQL表中
df.to_sql(DB_TABLE, con=engine, if_exists='append', index=False)