共计 2528 个字符，预计需要花费 7 分钟才能阅读完成。
如果你是软件开发人员，置信你肯定晓得或者已经应用过一个十分轻量级的数据库——SQLite。它具备作为关系数据库所需的简直所有性能，然而这个数据库把所有性能都保留在一个文件中。在其官方网站上，SQLite 的次要利用场景包含：
•嵌入式设施和物联网
•数据分析
•数据传输
•文件存档或数据容器
•外部或长期数据库
•在演示或测试期间代替企业数据库
•教育、培训和测试
•实验性 SQL 语言扩大
当然，SQLite 还有很多其余性能，在此不一一列举，感兴趣的同学能够去看
官网文档：https://www.sqlite.org/whento…
最重要的是，SQLite 实际上是作为 Python 库内置的。换言之，你不须要装置任何服务器端 / 客户端软件，也不须要运行某个服务，只有你在 Python 中导入库并开始编程，那么你就有了一个关系数据库管理系统!
导入和应用
这里咱们说“内置”的意思就是，你甚至不须要运行 pip install，就能获取库。只须要通过以下形式导入：
import sqlite3 as sl 1. 创立与数据库的连贯
咱们基本不须要为驱动程序、连贯字符串等懊恼。能够间接创立一个 SQLite 数据库，并领有一个简略的连贯对象：
con = sl.connect('my-test.db') 运行此行代码后，咱们就曾经创立并连贯到该数据库上。如果要求 Python 连贯的数据库不存在，它就会主动帮咱们创立一个空数据库。如果咱们曾经创立了数据库，就能用下面完全相同的代码连贯到现有数据库。
2. 创建表格
接下来，咱们先创立一个表格。
with con:
con.execute("""
CREATE TABLE USER (
id INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT,
name TEXT,
age INTEGER
);
""") 在这个 USER 表中，咱们增加了三列。正如咱们所看到的，SQLite 的确是轻量级的，然而它反对惯例 RDBMS 应该具备的所有根本个性，例如数据类型、可为 null、主键和主动递增。
运行这段代码之后，咱们就曾经创立好了一个表，只管它什么都没有输入。
3. 插入记录
让咱们在刚刚创立的 USER 表中插入数据记录，这也能够证实咱们的确创立了它。如果咱们须要一次性插入多个记录，Python 中的 SQLite 也能很容易地实现这一点。
sql = 'INSERT INTO USER (id, name, age) values(?, ?, ?)'
data = [(1, 'Alice', 21),
(2, 'Bob', 22),
(3, 'Chris', 23)
] 咱们须要用问号作为占位符来定义 SQL 语句。接下来就是创立一些要插入的示例数据。应用连贯对象，就能插入这些示例行。
with con:
con.executemany(sql, data) 在运行代码之后，没有报错，那就是胜利的。
4. 查问表格
接下来，咱们通过理论的形式来验证咱们所做的所有，通过查问表格来获取示例行。
with con:
data = con.execute("SELECT * FROM USER WHERE age <= 22")
for row in data:
print(row)
你能够看到，很简略就失去了后果。此外，只管 SQLite 是轻量级的，然而作为一个宽泛应用的数据库，大多数 SQL 客户端软件都反对应用它。我本人用得最多的是 DBeaver，接下来给大家介绍一下。
5. 从 SQL 客户端 (DBeaver) 连贯到 SQLite 数据库
因为我用的是 googlecolab，所以我要将 my-test.db 文件下载到我的本地计算机上。当然，你也能够间接在你的电脑上应用 Python 数据库连贯你的本地数据库。在 DBeaver 中，创立一个新连贯并抉择 SQLite 作为数据库类型。
而后，浏览 DB 文件。
当初你能够在数据库上运行任何 SQL 查问，看看它与其余惯例关系数据库有什么不同。
与 Pandas 无缝连贯
你认为就只有这些? 不，事实上，作为 Python 的一个内置个性，SQLite 能够与 Pandas 数据帧无缝连贯。让咱们先来定义一个数据帧。
df_skill = pd.DataFrame({'user_id': [1,1,2,2,3,3,3],
'skill': ['Network Security', 'Algorithm Development', 'Network Security', 'Java', 'Python', 'Data Science', 'Machine Learning']
})
而后，咱们能够简略地调用数据帧的 to_sql()办法将其保留到数据库中。
df_skill.to_sql('SKILL', con) 就这样咱们甚至不须要事后创立表，列的数据类型和长度都会被推断进去。当然，如果你想的话，你也能够先定义。而后，假如咱们要将表 USER 和 SKILL 连贯在一起，并将后果读入 Pandas 数据框。
df = pd.read_sql('''
SELECT s.user_id, u.name, u.age, s.skill
FROM USER u LEFT JOIN SKILL s ON u.id = s.user_id
''', con)
是不是很厉害? 让咱们把后果写到一个名为 USER_SKILL 的新表中。
df.to_sql('USER_SKILL', con) 咱们也能够用 SQL 客户端来检索表。
总结
实际上，Python 中还暗藏着很多惊喜。而且这些惊喜并不没有暗藏起来，只是 Python 有太多现成能够间接应用的个性了，这就导致很多人无奈发现这些个性。
在本文中，我介绍了如何应用 Python 内置库 sqlite3 在 SQLite 数据库中创立和操作表。它也反对对表格进行更新和删除操作，倡议大家在看完这篇文章之后本人尝试一下。
最重要的是，咱们能够轻松地将表从 SQLite 数据库读入 Pandas 数据帧，反之亦然。这使咱们可能更容易地与咱们的轻量级关系数据库进行交互。
你可能会留神到 SQLite 没有进行身份验证，这也是它刻意设计的行为，因为须要轻量化。一起去摸索 Python 中更多令人诧异的个性吧!
福利：豆花同学为大家精心整顿了一份对于 linux 和 python 的学习材料大合集！有须要的小伙伴们，关注豆花集体公众号：python 头条！回复关键词“材料合集”即可收费支付！
