Python 内置了 SQLite3，在 Python 中使用 SQLite，不需要安装任何东西，可以直接使用。我们只需要导入内置 Python 库sqlite3就可以开始使用这个数据库啦！
在本篇内容中，ShowMeAI将带大家一起来了解，如何基于 Python 环境连接到数据库、创建表、插入数据，查询数据，以及与 Pandas 工具库搭配使用。
连接数据库
要使用数据库，我们需要先连接数据库。在 Python 中很简单，我们只需导入sqlite3工具库并使用.connect函数，函数的参数是数据库名称，在本例中为students.db。
# 导入工具库
import sqlite3
# 建立连接
conn = sqlite3.connect('students.db')
我们第1次运行上面代码的话，会在工作目录中创建一个名为“students.db”的新文件。
创建表
接下来我们可以在连接的数据库中创建一个表，并将数据插入其中。
在创建表之前，我们需要创建一个游标 cursor（用于建立连接以执行 SQL 查询的对象），我们将使用它来创建表、插入数据等。具体的操作如下代码：
c = conn.cursor()
完成游标创建后，我们可以使用 .execute方法执行SQL语句，在我们的数据库中创建一个新表。在引号内，我们编写了建表 SQL 语句，使用CREATE TABLE语句：
c.execute("""CREATE TABLE students (
name TEXT,
age INTEGER,
height REAL
)""")
我们在创建表的字段时，需要定义数据类型。SQLite 只有 5 种数据类型：
·Null：缺失值
· INTEGER：没有小数点的数字（例如，1、2、3、4）
· REAL：带小数点的数字（例如，6.2、7.6、11.2）
· TEXT：任何字符数据
· Blob：二进制数据的集合，作为值存储在数据库中。它允许我们在数据库中存储文档、图像和其他多媒体文件。
我们要提交上述语句，并关闭连接。截止目前的完整代码如下：
# 导入工具库
import sqlite3
# 创建连接
conn = sqlite3.connect('students.db')
# 游标
c = conn.cursor()
# 建表语句
c.execute("""CREATE TABLE students (
name TEXT,
age INTEGER,
height REAL
)""")
# 执行
conn.commit()
# 关闭连接
conn.close()
插入数据
我们可以使用.execute执行INSERT INTO语句在“students”表中插入一行数据。下面是添加一个20 岁，身高 1.9 米的学生mark的代码：
c.execute("INSERT INTO students VALUES ('mark', 20, 1.9)")
我们也可以一次插入多行，换成.executemany方法即可。不过注意一下，我们在INSERT语句中会使用?作为占位符。代码如下所示：
all_students = [
('john', 21, 1.8),
('david', 35, 1.7),
('michael', 19, 1.83),
]
c.executemany("INSERT INTO students VALUES (?, ?, ?)", all_students)
查询数据
我们可以使用SELECT语句查看我们的数据，注意一下如果要获取数据并输出，需要执行.fetchall方法：
c.execute("SELECT * FROM students")
print(c.fetchall())
打印的输出如下：
[(‘mark’, 20, 1.9), (‘john’, 21, 1.8), (‘david’, 35, 1.7), (‘michael’, 19, 1.83)]
当然，大家其实可以配合一些在线工具来完成数据的直观查询，例如 ??SQLiteViewer。我们只需拖动前面 Python 代码生成的 .db 数据库文件进去，即可查看其内容。
截止目前为止的所有代码如下：
# 导入工具库
import sqlite3
# 创建连接
conn = sqlite3.connect('students.db')
# 游标
c = conn.cursor()
# 建表语句
c.execute("""CREATE TABLE students (
name TEXT,
age INTEGER,
height REAL
)""")
# 插入单条数据
c.execute("INSERT INTO students VALUES ('mark', 20, 1.9)")
# 插入多条数据
all_students = [
('john', 21, 1.8),
('david', 35, 1.7),
('michael', 19, 1.83),
]
c.executemany("INSERT INTO students VALUES (?, ?, ?)", all_students)
# 查询数据
c.execute("SELECT * FROM students")
print(c.fetchall())
# 执行
conn.commit()
# 关闭连接
conn.close()
其实大家在SQL中的更高级的复杂查询，都可以通过上述方式进行查询和交互
SQLite 配合 Pandas 应用
SQLite 可以与 Pandas 中的Dataframe搭配使用。
我们可以方便地使用 Pandas 读取它：
import pandas as pd
df = pd.read_csv("population_total.csv")
Dataframe 内容如下所示：
>>> df country year population0 China 2020.0 1.439324e+09
1 China 2019.0 1.433784e+09
2 China 2018.0 1.427648e+09
3 China 2017.0 1.421022e+09
4 China 2016.0 1.414049e+09
... ... ... ...
4180 United States 1965.0 1.997337e+08
4181 United States 1960.0 1.867206e+08
4182 United States 1955.0 1.716853e+08
4183 India 1960.0 4.505477e+08
4184 India 1955.0 4.098806e+08
我们可以把 pandas Dataframe 形态的数据一次性导入 SQLite 数据库中，这里我们需要借助 sqlalchemy 工具库。（可以通过pip install sqlalchemy轻松安装）
from sqlalchemy import create_engine
engine = create_engine('sqlite://', echo=False)
下面我们就可以轻松把数据导入数据库并创建 population 表：
df.to_sql("population", con=engine)
查询数据表的语句如下：
engine.execute("SELECT * FROM population").fetchall()
如果你想创建表的同时生成一个 sqlite 文件（前面的操作，生成的是内存数据库），可以如下方式操作。（我们创建了一个mydb.db文件作为数据库的实体文件）。
from sqlalchemy import create_engine
engine = create_engine("sqlite:///mydb.db")
df.to_sql("population", engine)
这个mydb.db就和前面的使用方式一样啦，我们也可以使用 SQLite 查看器查看数据内容。
总结
以上就是ShowMeAI带大家简单了解python的内置数据库SQLite的使用方法，我们可以很方便地完成建表、插入数据、查询数据，也可以配合pandas进行灵活使用，大家快快用起来吧！
本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理
