dataset库是Python中一个用于操作数据库的简单库，它提供了一种简洁的方式与各种关系型数据库进行交互，例如SQLite、MySQL、PostgreSQL 等。你可以使用dataset库来执行查询、插入、更新和删除操作，而无需编写复杂的SQL语句。dataset库适用于小规模的数据存储和查询场景，相比csv和json文件只能通过编程语言来处理数据，dataset支持使用SQL语言进行查询，提供了丰富的查询功能和灵活性。对于大规模数据和高并发场景，专业数据库系统如MySQL、PostgreSQL等更具优势。
dataset官方仓库地址：dataset。dataset官方文档地址：dataset-doc。安装命令如下：
pip install dataset
import dataset
# 查看版本
dataset.__version__
'1.6.2'
数据库创建
connect函数是dataset库中用于连接到数据库并返回一个数据库对象。它的使用方式如下：
# 创建一个连接到名为mydatabase.db的SQLite数据库的对象
# 如果要连接的数据库不存在，则自动创建
db = dataset.connect('sqlite:///mydatabase.db')
# 如果要连接到MySQL数据库（需要安装相应组件），可以使用以下语法：
# db = dataset.connect('mysql://user:password@localhost/mydatabase')
# 如果要连接到PostgreSQL数据库（需要安装相应组件），可以使用以下语法：
# db = dataset.connect('postgresql://user:password@localhost/mydatabase')
表格查询与创建
dataset提供get_table函数或直接表名索引来创建或加载一个表格。同时，dataset也提供create_table函数创建一个新的表格，也可以使用load_table函数加载现有的表格。
# 使用db['table_name']语法获取指定表的引用，其中table_name是表的名称
# 如果表不存在，dataset库将自动创建它，但是只有数据插入才会保存
table = db['mytable']
# 或者使用如下函数：
# table = db.get_table('mytable')
# 创建一个新表格，原有表格会被覆盖
# 该表没有自定义的主键或类型。Dataset库会默认创建一个名为 'id' 的整数类型的主键。
table = db.create_table('mytable')
此外也可以指定表格创建时的各种参数，dataset主要支持类型有：
# 指定了自定义主键为 'age'
# db.create_table('mytable', 'age')
# 指定了自定义的主键为 'city'，并且指定该主键的类型为文本类型
# db.create_table('mytable', primary_id='city', primary_type=db.types.text)
# 指定没有主键
# db.create_table('mytable', primary_id=False)
# 加载现有表格
table = db.load_table('mytable')
# 如果表格不存在，则会报错
# table = db.load_table('user')
# 也可以通过has_table函数查询是否存在某个表
db.has_table('user')
False
# 查看当前数据库下所有表格
db.tables
[]
直接在数据库上运行sql查询语句
dataset库提供query函数用于过滤和查询数据集。它接受一个字符串参数，该参数表示一条 SQL 查询语句，用于选择符合条件的数据。
# statement = 'SELECT * FROM mytable'
# for row in db.query(statement):
# print(row)
插入数据
# 使用db['table_name']语法获取指定表的引用，其中table_name是表的名称
# 如果表不存在，dataset库将自动创建它
table = db['mytable']
insert用于插入数据。
# 插入一条包含名字、年龄和电子邮件的记录
data = {'name': 'John', 'age': 25, 'email': 'john@example.com'}
table.insert(data)
# 插入一条包含名字、年龄,电子邮件的记录为空
table.insert(dict(name='Alice', age=25))
2
insert_ignore用于插入一行数据，但只有在keys中列的值不重复时才会插入。
table.insert_ignore(dict(name='Alice', age=25),keys=['name'])
False
insert_many函数用于向数据库表中批量插入数据。它接受一个列表作为参数，该列表中的每个元素都是一个字典，表示要插入的一行数据。使用该函数要比逐个添加快很多。
data = [
{'name': 'John', 'age': 25, 'city': 'New York'},
{'name': 'Alice', 'age': 30, 'city': 'Los Angeles'},
{'name': 'Bob', 'age': 35, 'city': 'San Francisco'}
]
table.insert_many(data)
插入列
# 插入名为 key 的列，数据类型为文本（text），并且设置了唯一约束（unique=True）
# table.create_column('key', db.types.text,unique=True)
# 插入名为 food 的列，数据类型为文本（text）
table.create_column('food', db.types.text)
# 创建一个列，第一个值为列名，第二个值用于自动猜测该列的类型
table.create_column_by_example('length', 4.2)
查看数据
# 查看表格行数
len(table)
5
# 获取表中的所有数据
data = list(table.all())
# 打印数据
for row in data:
print(row)
OrderedDict([('id', 1), ('name', 'John'), ('age', 25), ('email', 'john@example.com'), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 3), ('name', 'John'), ('age', 25), ('email', None), ('city', 'New York'), ('food', None), ('length', None)])
OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 直接打印数据
for row in table:
print(row)
OrderedDict([('id', 1), ('name', 'John'), ('age', 25), ('email', 'john@example.com'), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 3), ('name', 'John'), ('age', 25), ('email', None), ('city', 'New York'), ('food', None), ('length', None)])
OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 表的列名
table.columns
['id', 'name', 'age', 'email', 'city', 'food', 'length']
# 是否存在某列
table.has_column('sex')
False
查找数据
# 根据字段查找
results = table.find(name='John')
# 遍历结果
for row in results:
print(row['name'], row['city'])
John None
John New York
# 多字段查找
results = table.find(name='John',city=None)
# 遍历结果
for row in results:
print(row['name'], row['city'])
John None
# 仅返回第一个结果
results = table.find_one(name='John')
results
OrderedDict([('id', 1),
('name', 'John'),
('age', 25),
('email', 'john@example.com'),
('city', None),
('food', None),
('length', None)])
# 基于id查询
results = table.find(id=[1, 2, 4])
# 遍历结果
for row in results:
print(row['name'], row['city'])
John None
Alice None
Alice Los Angeles
# 找出age大于等于30的结果
results = table.find(age={'>=': 30})
for row in results:
print(row['name'], row['age'])
Alice 30
Bob 35
# 找出age在21到30之间的结果
results = table.find(age={'between': [21, 30]})
for row in results:
print(row['name'], row['age'])
John 25
Alice 25
John 25
Alice 30
# 筛选某个字段下的唯一项
results = table.distinct('name')
for row in results:
print(row)
OrderedDict([('name', 'Alice')])
OrderedDict([('name', 'Bob')])
OrderedDict([('name', 'John')])
dataset库还支持更丰富的查询操作，具体可以查看文档：dataset-query。
更新数据
update函数用于更新单条记录。
# 第一参数为要更新的字段和对应的新值，如果字段不存在则会添加该字段
# 第二个参数keys用于指定根据哪些列来筛选要更新的对象
# 下面代码表示将name为'John'的行更新数据
affected_rows = table.update(dict(name= 'John',age=23,email="qq.com"), keys=['name'])
print("受影响的行数：", affected_rows)
受影响的行数： 2
# 获取表中的所有数据
data = list(table.all())
# 打印数据
for row in data:
print(row)
OrderedDict([('id', 1), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 2), ('name', 'Alice'), ('age', 25), ('email', None), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 3), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', 'New York'), ('food', None), ('length', None)])
OrderedDict([('id', 4), ('name', 'Alice'), ('age', 30), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
OrderedDict([('id', 5), ('name', 'Bob'), ('age', 35), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
update_many也被提供用于批量更新数据。
# 更新多行数据
rows = [
{'name': 'Alice', 'age': 123},
{'name': 'Bob', 'age': 18}
]
# 该函数没有返回值
table.update_many(rows,keys=['name'])
此外也可以用upsert和upsert_many插入更新单条或多条记录，即如果存在具有匹配关键字的行，则这些行将被更新，否则将在表中插入新行。具体使用类似update和update_many。
删除数据
delete函数用于删除行，如下所示：
for row in table:
print(row)
OrderedDict([('id', 1), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 3), ('name', 'John'), ('age', 23), ('email', 'qq.com'), ('city', 'New York'), ('food', None), ('length', None)])
OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 删除age为23的记录
table.delete(age=23)
for row in table:
print(row)
OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 删除age为30且name为'John'的记录
table.delete(age=30, name='John')
for row in table:
print(row)
OrderedDict([('id', 2), ('name', 'Alice'), ('age', 123), ('email', None), ('city', None), ('food', None), ('length', None)])
OrderedDict([('id', 4), ('name', 'Alice'), ('age', 123), ('email', None), ('city', 'Los Angeles'), ('food', None), ('length', None)])
OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
# 找出age大于等于30的结果
table.delete(age={'>=': 30})
for row in table:
print(row)
OrderedDict([('id', 5), ('name', 'Bob'), ('age', 18), ('email', None), ('city', 'San Francisco'), ('food', None), ('length', None)])
drop_column函数会从数据集中删除指定的列，如下所示：
# sqlite不支持
# table.drop_column('age')
# for row in table:
# print(row)
事务是一组数据库操作，要么全部成功执行，要么全部回滚。这可以确保数据的一致性和完整性。下面代码展示了如何创建一个事务对象。在这种情况下，所有更新都会立即提交，或者，在出现异常的情况下，立即回滚所有操作。事务通过上下文管理器得到支持，因此可以通过with语句使用：
with dataset.connect('sqlite:///mydatabase.db') as tx:
# 在这里执行数据库操作
# 如果所有操作都成功，事务会自动提交
# 如果发生错误，事务会自动回滚
tx['user'].insert(dict(name='John Doe', age=46, country='China'))
当然以上代码可以显式调用函数begin、commit和rollback来获得相同的功能：
db = dataset.connect('sqlite:///mydatabase.db')
db.begin()
try:
db['user'].insert(dict(name='John Doe', age=46, country='China'))
db.commit()
except:
db.rollback()
除此之外，也支持嵌套事务如下所示：
db = dataset.connect()
with db as tx1:
tx1['user'].insert(dict(name='John Doe', age=46, country='China'))
with db as tx2:
tx2['user'].insert(dict(name='Jane Doe', age=37, country='France', gender='female'))