本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

如果你是軟件開發人員，相信你一定知道甚至曾經使用過一個非常輕量級的數據庫——SQLite。它幾乎擁有作為一個關系數據庫所需的所有功能，而且這些有功能都保存在一個文件中。下面是一些官方網站顯示可以使用SQLite的場景：

[[339832]]

• 嵌入式設備和物聯網
• 數據分析
• 數據傳輸
• 文件歸檔和/或數據容器
• 內部或臨時數據庫
• 在演示或測試期間代表企業數據庫
• 教育、培訓和測試
• 實驗性SQL語言擴展

最重要的是，SQLite實際上是作為Python的內置庫，換言之，你不需要安裝任何服務器端/客戶端軟件，也不需要讓某個東西作為服務運行，只要你用Python導入庫并開始編碼，就會有一個關系數據庫管理系統!

輸入與使用

[[339833]]

當我們說“內置”時，這意味著你甚至不需要運行pip install來獲取庫。只需通過以下方式導入：

import sqlite3 as sl 

創建到數據庫的連接

不要為驅動程序、連接字符串等煩惱。可以創建一個SQLite數據庫，并擁有一個簡單的連接對象：

con = sl.connect('my-test.db') 

運行這行代碼之后，我們已經創建了數據庫并連接到它。我們要求Python自動連接現有的數據庫，因此它不是空的。否則，我們可以使用完全相同的代碼連接到現有數據庫。

創建表

然后創建一個表：

with con: 
    con.execute(""" 
        CREATE TABLE USER ( 
            id INTEGER NOT NULL PRIMARYKEY AUTOINCREMENT, 
            name TEXT, 
            age INTEGER 
        ); 
    """) 

在這個用戶表中添加三列。正如你所看到的，SQLite確實是輕量級的，但是它支持常規RDBMS應該具有的所有基本特性，例如數據類型、可為null、主鍵和自動遞增。運行這段代碼之后就已經創建了一個表，盡管它什么也不輸出。

插入記錄

讓我們在剛剛創建的USER表中插入一些記錄，這也可以證明我們確實創建了它。假設要一次性插入多個條目。Python中的SQLite可以輕松實現這一點。

sql = 'INSERT INTO USER (id, name, age) values(?,?, ?)' 
data = [ 
    (1, 'Alice', 21), 
    (2, 'Bob', 22), 
    (3, 'Chris', 23) 
] 

我們需要用問號作為占位符來定義SQL語句。然后，創建一些要插入的示例數據。通過連接對象，插入這些示例行。

with con: 
    con.executemany(sql, data) 

運行代碼之后，沒有任何提示，證明我們成功了。

查詢表

現在，是時候驗證所做的一切了。查詢表以獲取樣本行。

with con: 
    data = con.execute("SELECT *FROM USER WHERE age <= 22") 
    for row in data: 
        print(row) 

另外，盡管SQLite是輕量級的，但是作為一個廣泛使用的數據庫，大多數SQL客戶端軟件都支持使用它。我使用最多的是DBeaver。

從SQL客戶端(DBeaver)連接到SQLite數據庫

因為我用的是googlecolab，所以要下載- my-test.db測試數據庫文件到本地計算機。在本例中，如果在本地計算機上運行Python，則可以使用SQL客戶機直接連接到數據庫文件。

在DBeaver中，創建一個新連接并選擇SQLite作為DB type。

然后，瀏覽到DB文件。

現在，可以在數據庫上運行任何SQL查詢。它與其他常規關系數據庫沒有什么不同。

與Pandas無縫融合

事實上，作為Python的一個內置特性，SQLite還可以與Pandas數據幀無縫集成。

定義一個數據幀：

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'] 
}) 

然后，可以簡單地調用數據幀的to_sql()方法將其保存到數據庫中。

df_skill.to_sql('SKILL', con) 

就這樣，我們甚至不需要預先創建表，列的數據類型和長度都會被推斷出來。當然，如果你想的話，仍然可以事先定義它。

然后，假設我們要連接表USER和SKILL，并將結果讀入Pandas數據框。它也是無縫的。

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) 

讓我們把結果寫到一個名為USER_SKILL的新表中：

df.to_sql('USER_SKILL', con) 

然后，還可以使用SQL客戶機檢索表。

本文介紹了如何使用Python內置庫sqlite3在SQLite數據庫中創建和操作表。當然，它也支持更新和刪除，你可以自己嘗試一下。

最重要的是，我們可以輕松地將表從SQLite數據庫讀入Pandas數據幀，反之亦然。這使我們能夠更容易地與輕量級關系數據庫進行交互。此外，SQLite沒有身份驗證，因為一切都需要是輕量級的。

Python中隱藏著許多驚喜。它們并不是故意藏起來，只是因為Python中存在太多現成的特性以至于人們無法發現。去探索Python中更多令人驚訝的特性，享受它們吧!