极客笔记Python 如何使用SQLAlchemy对SQL列进行GroupBy和Sum操作
当我们进入Python及其强大的SQLAlchemy库的领域时，一个多才多艺的操作源泉就会展现。其中之一便是在SQL列上进行GroupBy和Sum操作，这是在数据库操作中必不可少的操作。SQLAlchemy作为一个SQL工具包和Python的对象关系映射(ORM)系统，提供了丰富的功能，以一种无缝和Pythonic的方式便于进行SQL操作。让我们深入了解如何利用SQLAlchemy对SQL列进行GroupBy和Sum操作。
语法
在本文中，我们将探讨如何使用SQLAlchemy这个流行的Python SQL工具包来执行SQL列的分组和求和操作。我们将演示两种方法-ORM会话方法和显式会话方法。这两种方法影响了SQLAlchemy的强大力量，并提供了一个干净和直观的语法。
Stmt=session.query(Sales.product,func.sum(Sales.quantity).label('total_quantity')).group_by(Sales.product)
步骤
逐步操作：
- 导入所需的模块。
-
与数据库建立会话。
-
查询数据库，指定你想要按组分组和求和的列。
-
使用group_by()函数对数据进行分组。
-
使用func.sum()计算求和。
-
执行命令并获取结果。
-
处理异常，如果有的话，并关闭会话。
方法1：使用显式会话
第一种方法是使用显式会话，适用于基于应用的代码。
示例
from sqlalchemy import create_engine, Column, Integer, String, func
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
# Create a new engine instance
engine = create_engine('sqlite:///example.db')
Base = declarative_base()
# Define a new table with a name, metadata, and several columns
class Sales(Base):
__tablename__ = 'sales'
id = Column(Integer, primary_key=True)
product = Column(String)
quantity = Column(Integer)
# Create the table
Base.metadata.create_all(engine)
# Prepare data
data = [
Sales(product='Apples', quantity=5),
Sales(product='Oranges', quantity=7),
Sales(product='Apples', quantity=3),
Sales(product='Bananas', quantity=8),
Sales(product='Apples', quantity=6),
Sales(product='Oranges', quantity=9),
]
# Create a session
Session = sessionmaker(bind=engine)
session = Session()
try:
# Add data to the session
session.add_all(data)
# Commit the changes
session.commit()
# Create a select statement
stmt = session.query(Sales.product, func.sum(Sales.quantity).label('total_quantity')).group_by(Sales.product)
# Execute the statement
results = stmt.all()
for result in results:
print(result)
finally:
# Close the session
session.close()
解释
在这个方法中，我们遵循与之前方法相似的初始设置，通过创建引擎和定义表结构。我们使用sessionmaker手动创建一个会话工厂，并使用Session()打开一个会话。在try-finally块内，我们将数据添加到会话中，提交更改，并创建用于分组和求和的查询语句。我们执行该语句，处理结果，最后关闭会话。
这两种方法提供了实现相似结果的不同方式。根据你的项目需求和编码偏好，你可以选择最适合你需求的方法。
方法2：使用ORM会话
第二种方法使用SQLAlchemy ORM（对象关系映射器），它允许将类映射到数据库中的表，从而提供了一个高级的、Python风格的接口。
示例
from sqlalchemy import create_engine, Column, Integer, String, func
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
# Create a new engine instance
engine = create_engine('sqlite:///example.db')
Session = sessionmaker(bind=engine)
session = Session()
Base = declarative_base()
# Define a new table with a name, metadata, and several columns
class Sales(Base):
__tablename__ = 'sales'
id = Column(Integer, primary_key=True)
product = Column(String)
quantity = Column(Integer)
# Create the table
Base.metadata.create_all(engine)
# Prepare data
data = [
Sales(product='Apples', quantity=5),
Sales(product='Oranges', quantity=7),
Sales(product='Apples', quantity=3),
Sales(product='Bananas', quantity=8),
Sales(product='Apples', quantity=6),
Sales(product='Oranges', quantity=9),
]
# Add and commit data to the session
session.add_all(data)
session.commit()
# Create a select statement
stmt = session.query(Sales.product, func.sum(Sales.quantity).label('total_quantity')).group_by(Sales.product)
# Execute the statement
results = stmt.all()
for result in results:
print(result)
session.close()
说明
在这个方法中，我们首先创建一个连接到数据库的引擎。然后，我们使用sessionmaker定义一个会话工厂，并实例化一个会话对象。接下来，我们使用declarative_base()声明一个基类，用于定义我们的表结构，使用Sales类来定义表的结构。我们使用Base.metadata.create_all(engine)在数据库中创建表。
为了进行分组和求和操作，我们使用session.add_all(data)将必要的数据添加到会话中，并使用session.commit()提交更改。我们使用session.query和func.sum创建一个包含分组和求和的select语句，并使用stmt.all()执行它。最后，我们处理结果并使用session.close()关闭会话。
结论
在数据操作和分析中，对SQL表中的列进行分组和求和是简单但必要的操作。SQLAlchemy凭借其非常简便的使用和类似于Python的语法，弥合了SQL操作和Python编程之间的鸿沟。根据上下文可以使用显式会话或ORM会话，进一步增加了SQLAlchemy的吸引力。上述两种方法都可以根据需求进行定制，为使用SQL数据库的Python用户奠定了坚实的基础。记得始终关闭会话以释放资源。现在，你拥有使用SQLAlchemy在Python中执行分组和求和操作的知识。快乐编程！