一、sqlite3 @R_301_457@
sqlite3 可使用 sqlite3 模块与 Python 进行集成,一般 python 2.5 以上版本默认自带了sqlite3模块,因此不需要用户另外下载。
所以,首先要创建一个@R_301_457@的连接对象,即connection对象,语法如下:
sqlite3.connect(database [,timeout,其他可选参数])
function: 此API打开与sqlite@R_301_457@文件的连接。如果成功打开@R_301_457@,则返回一个连接对象。
database: @R_301_457@文件的路径,或 “:memory:” ,后者表示在RAM中创建临时@R_301_457@。
timeout: 指定连接在引发异常之前等待锁定消失的时间,默认为5.0(秒)
有了connection对象,就能创建游标对象了,即cursor对象,如下:
connection.cursor([cursorClass])
function: 创建一个游标,返回游标对象,该游标将在Python的整个@R_301_457@编程中使用。
方法 | 说明 |
connect.cursor() | 上述,返回游标对象 |
connect.execute(sql [,parameters]) | 创建中间游标对象执行一个sql命令 |
connect.executemany(sql [,parameters]) | 创建中间游标对象执行一个sql命令 |
connect.executescript(sql_script) | 创建中间游标对象,以脚本的形式执行sql命令 |
connect.total_changes() | 返回自打开@R_301_457@以来,已增删改的行的总数 |
connect.commit() | 提交当前事务,不使用时为放弃所做的修改,即不保存 |
connect.rollback() | 回滚自上次调用commit()以来所做的修改,即撤销 |
connect.close() | 断开@R_301_457@连接 |
方法 | 说明 |
cursor.execute(sql [,parameters]) | 执行一个sql命令 |
cursor.executemany(sql,seq_of_parameters) | 对 seq_of_parameters 中的所有参数或映射执行一个sql命令 |
cursor.executescript(sql_script) | 以脚本的形式一次执行多个sql命令 |
cursor.fetchone() | 获取查询结果集中的下一行,返回一个单一的序列,当没有更多可用的数据时,则返回 None。 |
cursor.fetchmany([size=cursor.arraysize]) | 获取查询结果集中的下一行组,返回一个列表。当没有更多的可用的行时,则返回一个空的列表。size指定特定行数。 |
cursor.fetchall() | 获取查询结果集中所有(剩余)的行,返回一个列表。当没有可用的行时,则返回一个空的列 |
二、输入代码
class sql_method:
‘‘‘
function: 可以实现对@R_301_457@的基本操作
‘‘‘
def __init__(self,dbName,tableName,data,columns,COLUMNS,Read_All=True):
‘‘‘
function: 初始化参数
dbName: @R_301_457@文件名
tableName: @R_301_457@中表的名称
data: 从csv文件中读取且经过处理的数据
columns: 用于创建@R_301_457@,为表的第一行
COLUMNS: 用于数据的格式化输出,为输出的表头
Read_All: 创建表之后是否读取出所有数据
‘‘‘
self.dbName = dbName
self.tableName = tableName
self.data = data
self.columns = columns
self.COLUMNS = COLUMNS
self.Read_All = Read_All
‘‘‘
function: 可以实现对@R_301_457@的基本操作
‘‘‘
def __init__(self,dbName,tableName,data,columns,COLUMNS,Read_All=True):
‘‘‘
function: 初始化参数
dbName: @R_301_457@文件名
tableName: @R_301_457@中表的名称
data: 从csv文件中读取且经过处理的数据
columns: 用于创建@R_301_457@,为表的第一行
COLUMNS: 用于数据的格式化输出,为输出的表头
Read_All: 创建表之后是否读取出所有数据
‘‘‘
self.dbName = dbName
self.tableName = tableName
self.data = data
self.columns = columns
self.COLUMNS = COLUMNS
self.Read_All = Read_All
def creatTable(self):
‘‘‘
function: 创建@R_301_457@文件及相关的表
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 创建表
connect.execute("CREATE TABLE {}({})".format(self.tableName,self.columns))
# 提交事务
connect.commit()
# 断开连接
connect.close()
‘‘‘
function: 创建@R_301_457@文件及相关的表
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 创建表
connect.execute("CREATE TABLE {}({})".format(self.tableName,self.columns))
# 提交事务
connect.commit()
# 断开连接
connect.close()
def destroyTable(self):
‘‘‘
function: 删除@R_301_457@文件中的表
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 删除表
connect.execute("DROP TABLE {}".format(self.tableName))
# 提交事务
connect.commit()
# 断开连接
connect.close()
‘‘‘
function: 删除@R_301_457@文件中的表
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 删除表
connect.execute("DROP TABLE {}".format(self.tableName))
# 提交事务
connect.commit()
# 断开连接
connect.close()
def insertDataS(self):
‘‘‘
function: 向@R_301_457@文件中的表插入多条数据
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 插入多条数据
connect.executemany("INSERT INTO {} VALUES(?,?,?)".format(self.tableName),self.data)
#for i in range(len(self.data)):
# connect.execute("INSERT INTO university VALUES(?,?)",data[i])
# 提交事务
connect.commit()
# 断开连接
connect.close()
‘‘‘
function: 向@R_301_457@文件中的表插入多条数据
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 插入多条数据
connect.executemany("INSERT INTO {} VALUES(?,?,?)".format(self.tableName),self.data)
#for i in range(len(self.data)):
# connect.execute("INSERT INTO university VALUES(?,?)",data[i])
# 提交事务
connect.commit()
# 断开连接
connect.close()
def getAllData(self):
‘‘‘
function: 得到@R_301_457@文件中的所有数据
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 创建游标对象
cursor = connect.cursor()
# 读取数据
cursor.execute("SELECT * FROM {}".format(self.tableName))
dataList = cursor.fetchall()
# 断开连接
connect.close()
return dataList
‘‘‘
function: 得到@R_301_457@文件中的所有数据
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 创建游标对象
cursor = connect.cursor()
# 读取数据
cursor.execute("SELECT * FROM {}".format(self.tableName))
dataList = cursor.fetchall()
# 断开连接
connect.close()
return dataList
def searchData(self,conditions,IfPrint=True):
‘‘‘
function: 查找特定的数据
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 创建游标
cursor = connect.cursor()
# 查找数据
cursor.execute("SELECT * FROM {} WHERE {}".format(self.tableName,conditions))
data = cursor.fetchall()
# 关闭游标
cursor.close()
# 断开@R_301_457@连接
connect.close()
if IfPrint:
self.printData(data)
return data
‘‘‘
function: 查找特定的数据
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 创建游标
cursor = connect.cursor()
# 查找数据
cursor.execute("SELECT * FROM {} WHERE {}".format(self.tableName,conditions))
data = cursor.fetchall()
# 关闭游标
cursor.close()
# 断开@R_301_457@连接
connect.close()
if IfPrint:
self.printData(data)
return data
def deleteData(self,conditions):
‘‘‘
function: 删除@R_301_457@中的数据
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 插入多条数据
connect.execute("DELETE FROM {} WHERE {}".format(self.tableName,conditions))
# 提交事务
connect.commit()
# 断开连接
connect.close()
‘‘‘
function: 删除@R_301_457@中的数据
‘‘‘
# 连接@R_301_457@
connect = sqlite3.connect(self.dbName)
# 插入多条数据
connect.execute("DELETE FROM {} WHERE {}".format(self.tableName,conditions))
# 提交事务
connect.commit()
# 断开连接
connect.close()
def printData(self,data):
print("{1:{0}^3}{2:{0}<11}{3:{0}<4}{4:{0}<4}{5:{0}<5}{6:{0}<5}{7:{0}^5}{8:{0}^5}{9:{0}^5}{10:{0}^5}{11:{0}^5}{12:{0}^6}{13:{0}^5}".format(chr(12288),*self.COLUMNS))
for i in range(len(data)):
print("{1:{0}<4.0f}{2:{0}<10}{3:{0}<5}{4:{0}<6}{5:{0}<7}{6:{0}<8}{7:{0}<7.0f}{8:{0}<8}{9:{0}<7.0f}{10:{0}<6.0f}{11:{0}<9.0f}{12:{0}<6.0f}{13:{0}<6.0f}".format(chr(12288),*data[i]))
print("{1:{0}^3}{2:{0}<11}{3:{0}<4}{4:{0}<4}{5:{0}<5}{6:{0}<5}{7:{0}^5}{8:{0}^5}{9:{0}^5}{10:{0}^5}{11:{0}^5}{12:{0}^6}{13:{0}^5}".format(chr(12288),*self.COLUMNS))
for i in range(len(data)):
print("{1:{0}<4.0f}{2:{0}<10}{3:{0}<5}{4:{0}<6}{5:{0}<7}{6:{0}<8}{7:{0}<7.0f}{8:{0}<8}{9:{0}<7.0f}{10:{0}<6.0f}{11:{0}<9.0f}{12:{0}<6.0f}{13:{0}<6.0f}".format(chr(12288),*data[i]))
def run(self):
try:
# 创建@R_301_457@文件
self.creatTable()
print(">>> @R_301_457@创建成功!")
# 保存数据到@R_301_457@
self.insertDataS()
print(">>> 表创建、数据插入成功!")
except:
print(">>> @R_301_457@已创建!")
# 读取所有数据
if self.Read_All:
self.printData(self.getAllData())
try:
# 创建@R_301_457@文件
self.creatTable()
print(">>> @R_301_457@创建成功!")
# 保存数据到@R_301_457@
self.insertDataS()
print(">>> 表创建、数据插入成功!")
except:
print(">>> @R_301_457@已创建!")
# 读取所有数据
if self.Read_All:
self.printData(self.getAllData())
def get_data(fileName):
‘‘‘
function: 读取获得大学排名的数据 并 将结果返回
‘‘‘
data = []
# 打开文件
f = open(fileName,‘r‘,encoding=‘utf-8‘)
# 按行读取文件
for line in f.readlines():
# 替换掉其中的换行符和百分号 替换百分号是为了方便之后的排序和运算
line = line.replace(‘\n‘,‘‘)
line = line.replace(‘%‘,‘‘)
# 将字符串按照 ‘,‘ 分割为列表
line = line.split(‘,‘)
for i in range(len(line)):
# 使用 异常处理 避开 出现中文无法转换 的错误
try:
# 将空值填充为 0
if line[i] == ‘‘:
line[i] = ‘0‘
# 将数字转换为数值
line[i] = eval(line[i])
except:
continue
data.append(tuple(line))
# EN_columns、CH_columns 分别为 用于@R_301_457@创建、数据的格式化输出
EN_columns = "Rank real,University text,Province text,Grade real,SourseQuality real,TrainingResult real,ResearchScale real,\
ReserchQuality real,TopResult real,TopTalent real,TechnologyService real,Cooperation real,TransformationResults real"
CH_columns = ["排名","学校名称","省市","总分","生涯质量","培养结果(%)","科研规模","科研质量","顶尖成果","顶尖人才","科技服务","产学研合作","成果转化"]
return data[1:],EN_columns,CH_columns
‘‘‘
function: 读取获得大学排名的数据 并 将结果返回
‘‘‘
data = []
# 打开文件
f = open(fileName,‘r‘,encoding=‘utf-8‘)
# 按行读取文件
for line in f.readlines():
# 替换掉其中的换行符和百分号 替换百分号是为了方便之后的排序和运算
line = line.replace(‘\n‘,‘‘)
line = line.replace(‘%‘,‘‘)
# 将字符串按照 ‘,‘ 分割为列表
line = line.split(‘,‘)
for i in range(len(line)):
# 使用 异常处理 避开 出现中文无法转换 的错误
try:
# 将空值填充为 0
if line[i] == ‘‘:
line[i] = ‘0‘
# 将数字转换为数值
line[i] = eval(line[i])
except:
continue
data.append(tuple(line))
# EN_columns、CH_columns 分别为 用于@R_301_457@创建、数据的格式化输出
EN_columns = "Rank real,University text,Province text,Grade real,SourseQuality real,TrainingResult real,ResearchScale real,\
ReserchQuality real,TopResult real,TopTalent real,TechnologyService real,Cooperation real,TransformationResults real"
CH_columns = ["排名","学校名称","省市","总分","生涯质量","培养结果(%)","科研规模","科研质量","顶尖成果","顶尖人才","科技服务","产学研合作","成果转化"]
return data[1:],EN_columns,CH_columns
if __name__ == "__main__":
# =================== 设置和得到基本数据 ===================
fileName = "D:\\123.csv"
data,CH_columns = get_data(fileName)
dbName = "university.db"
tableName = "university"
# =================== 设置和得到基本数据 ===================
fileName = "D:\\123.csv"
data,CH_columns = get_data(fileName)
dbName = "university.db"
tableName = "university"
# =================== 创建@R_301_457@并保存数据 ===================
sql.run()
# =================== 在@R_301_457@中查找数据项 ===================
# 查找记录并输出结果
print(">>> 查找数据项(University = ‘广东工业大学‘) :")
sql.searchData("University = ‘广东工业大学‘",True)
sql.run()
# =================== 在@R_301_457@中查找数据项 ===================
# 查找记录并输出结果
print(">>> 查找数据项(University = ‘广东工业大学‘) :")
sql.searchData("University = ‘广东工业大学‘",True)
# ================= 在@R_301_457@中筛选数据项并排序 ==================
# 将选取广东省的数据 并 对科研规模大小排序
print("\n>>> 筛选数据项并按照科研规模排序(Province = ‘广东省‘) :")
sql.searchData("Province = ‘广东省‘ ORDER BY ResearchScale",True)
# 将选取广东省的数据 并 对科研规模大小排序
print("\n>>> 筛选数据项并按照科研规模排序(Province = ‘广东省‘) :")
sql.searchData("Province = ‘广东省‘ ORDER BY ResearchScale",True)
# =============== 对@R_301_457@中的数据进行重新排序操作 ================
# 定义权值
Weight = [0.3,0.15,0.1,0.05,0.05]
value,sum = [],0
# 获取 Province = ‘广东省‘ 的所有数据
sample = sql.searchData("Province = ‘广东省‘",False)
# 按照权值求出各个大学的总得分
for i in range(len(sample)):
for j in range(len(Weight)):
sum += sample[i][4+j] * Weight[j]
value.append(sum)
sum = 0
# 将结果通过 pandas 的 DataFrame 方法组成一个二维序列
university = [university[1] for university in sample]
uv,tmp = [],[]
for i in range(len(university)):
tmp.append(university[i])
tmp.append(value[i])
uv.append(tmp)
tmp = []
df = DataFrame(uv,columns=list(("大学","总分")))
df = df.sort_values(‘总分‘)
df.index = [i for i in range(1,len(uv)+1)]
# 输出结果
print("\n>>> 筛选【广东省】的大学并通过权值运算后重排名的结果:\n",df)
# ===================== 在@R_301_457@中删除数据项 =====================
sql.deleteData("Province = ‘北京市‘")
sql.deleteData("Province = ‘广东省‘")
sql.deleteData("Province = ‘山东省‘")
sql.deleteData("Province = ‘山西省‘")
sql.deleteData("Province = ‘江西省‘")
sql.deleteData("Province = ‘河南省‘")
print("\n>>> 数据删除成功!")
sql.printData(sql.getAllData())
# 定义权值
Weight = [0.3,0.15,0.1,0.05,0.05]
value,sum = [],0
# 获取 Province = ‘广东省‘ 的所有数据
sample = sql.searchData("Province = ‘广东省‘",False)
# 按照权值求出各个大学的总得分
for i in range(len(sample)):
for j in range(len(Weight)):
sum += sample[i][4+j] * Weight[j]
value.append(sum)
sum = 0
# 将结果通过 pandas 的 DataFrame 方法组成一个二维序列
university = [university[1] for university in sample]
uv,tmp = [],[]
for i in range(len(university)):
tmp.append(university[i])
tmp.append(value[i])
uv.append(tmp)
tmp = []
df = DataFrame(uv,columns=list(("大学","总分")))
df = df.sort_values(‘总分‘)
df.index = [i for i in range(1,len(uv)+1)]
# 输出结果
print("\n>>> 筛选【广东省】的大学并通过权值运算后重排名的结果:\n",df)
# ===================== 在@R_301_457@中删除数据项 =====================
sql.deleteData("Province = ‘北京市‘")
sql.deleteData("Province = ‘广东省‘")
sql.deleteData("Province = ‘山东省‘")
sql.deleteData("Province = ‘山西省‘")
sql.deleteData("Province = ‘江西省‘")
sql.deleteData("Province = ‘河南省‘")
print("\n>>> 数据删除成功!")
sql.printData(sql.getAllData())