目录

一、基本查询

查询多个字段

设置别名

去除重复记录

二、条件查询 (WHERE)

三、聚合函数

四、分组查询 (GROUP BY)

五、排序查询 (ORDER BY)

六、分页查询 (LIMIT)

七、JOIN (连接查询)

八、执行顺序

总结：在 Python 中使用 SQL的DQL

一、基本查询

  1. 查询多个字段

    • 语法： SELECT column1, column2, ... FROM table_name
    • 作用： 从指定的表中选择一列或多列数据。
    • Python 示例： 
      import sqlite3  # 以 SQLite 为例

conn = sqlite3.connect('mydatabase.db')
cursor = conn.cursor()

# 查询 employees 表中的 id, name, department 字段
cursor.execute("SELECT id, name, department FROM employees")
results = cursor.fetchall()
for row in results:
    print(row)

conn.close()

  2. 设置别名

    • 语法： SELECT column_name AS alias_name FROM table_name
    • 作用： 给查询结果的列赋予一个临时的、更易理解的名称。
    • Python 示例： 
      # 查询 name 列，并为其设置别名为 employee_name
cursor.execute("SELECT name AS employee_name, department AS dept FROM employees")
results = cursor.fetchall()
for row in results:
    print(row)  # 输出如: ('Alice', 'Engineering')
    # 或者按别名访问 (如果数据库适配器支持): print(row['employee_name'])

  3. 去除重复记录

    • 语法： SELECT DISTINCT column1, column2, ... FROM table_name
    • 作用： 返回查询结果中指定列的唯一组合值。
    • Python 示例： 
      # 查询 departments 表中所有唯一的部门名称
cursor.execute("SELECT DISTINCT department FROM employees")
unique_depts = cursor.fetchall()
print(unique_depts)  # 输出如: [('Engineering',), ('Sales',), ('Marketing',)]

二、条件查询 (WHERE)

  1. 语法： SELECT ... FROM ... WHERE condition
  2. 条件 (condition):
    • 可以使用比较运算符：=, >, <, >=, <=, <> 或 !=
    • 可以使用逻辑运算符：AND或&&, OR或||, NOT
    • 可以使用范围判断：BETWEEN ...（min） AND ...(max)
    • 可以使用集合判断：IN (value1, value2, ...)
    • 可以使用模糊匹配：LIKE 'pattern' (% 匹配任意字符序列，_ 匹配单个字符)
    • 可以判断空值：IS NULL, IS NOT NULL
  3. Python 示例： 
    # 查询 Engineering 部门的所有员工
cursor.execute("SELECT * FROM employees WHERE department = 'Engineering'")

# 查询工资在 50000 到 70000 之间的员工 (使用 BETWEEN)
cursor.execute("SELECT name, salary FROM employees WHERE salary BETWEEN 50000 AND 70000")

# 查询名字以 'A' 开头的员工 (使用 LIKE)
cursor.execute("SELECT name FROM employees WHERE name LIKE 'A%'")

# 查询部门是 'Engineering' 或 'Sales' 的员工 (使用 IN)
cursor.execute("SELECT * FROM employees WHERE department IN ('Engineering', 'Sales')")

# 查询没有分配部门的员工 (IS NULL)
cursor.execute("SELECT * FROM employees WHERE department IS NULL")

# 使用参数化查询防止 SQL 注入 (推荐!!)
dept_name = 'Engineering'
cursor.execute("SELECT * FROM employees WHERE department = ?", (dept_name,))

三、聚合函数

  1. 介绍： 对一组值执行计算并返回单个值。常用于统计和汇总数据。
  2. 常见聚合函数：
    • COUNT()：计算行数（或非 NULL 值的行数）。
    • SUM()：计算数值列的总和。
    • AVG()：计算数值列的平均值。
    • MAX()：找出列中的最大值。
    • MIN()：找出列中的最小值。
  3. 语法： SELECT AGG_FUNC(column_name) FROM table_name [WHERE ...]
    • 注意： 聚合函数在计算时会忽略 NULL 值。例如，COUNT(column_name) 统计的是该列非 NULL 的行数。
  4. Python 示例： 
    # 计算 employees 表的总行数
cursor.execute("SELECT COUNT(*) FROM employees")
total_employees = cursor.fetchone()[0]
print(f"Total employees: {total_employees}")

# 计算 Engineering 部门的平均工资
cursor.execute("SELECT AVG(salary) FROM employees WHERE department = 'Engineering'")
avg_salary = cursor.fetchone()[0]
print(f"Engineering Avg Salary: {avg_salary:.2f}")

# 找出最高工资
cursor.execute("SELECT MAX(salary) FROM employees")
max_salary = cursor.fetchone()[0]
print(f"Max Salary: {max_salary}")

# 统计每个部门有多少非 NULL 的工资记录
cursor.execute("SELECT department, COUNT(salary) FROM employees GROUP BY department")
# 这个会结合分组查询，见下文

四、分组查询 (GROUP BY)

  1. 语法： 
    SELECT column_name(s), AGG_FUNC(column_name)
FROM table_name
WHERE condition
GROUP BY column_name(s)
HAVING condition
ORDER BY ...

  2. WHERE 和 HAVING 的区别：
    • WHERE：在分组之前进行过滤。它作用于原始表的每一行。WHERE 子句中不能使用聚合函数。
    • HAVING：在分组之后进行过滤。它作用于分组后的结果集。HAVING 子句中可以使用聚合函数。
    • 执行顺序： WHERE > GROUP BY > 聚合函数计算 > HAVING > SELECT > ORDER BY > LIMIT
    • 注意： 分组之后，SELECT 子句中出现的字段，要么是聚合函数，要么是包含在 GROUP BY 子句中的字段。查询其他字段通常没有意义（除非该字段在功能上依赖于分组字段），具体行为取决于 SQL 模式。
  3. Python 示例： 
    # 计算每个部门的平均工资 (GROUP BY 部门)
cursor.execute("""
    SELECT department, AVG(salary) AS avg_salary
    FROM employees
    GROUP BY department
""")
dept_avgs = cursor.fetchall()
for dept, avg in dept_avgs:
    print(f"{dept}: {avg:.2f}")

# 计算员工数量超过 5 人的部门及其人数 (WHERE 过滤所有人, GROUP BY 部门, HAVING 过滤分组)
cursor.execute("""
    SELECT department, COUNT(*) AS num_employees
    FROM employees
    WHERE active = 1  -- 假设有 active 字段表示在职状态
    GROUP BY department
    HAVING COUNT(*) > 5
""")
large_depts = cursor.fetchall()

五、排序查询 (ORDER BY)

  1. 语法： SELECT ... FROM ... ORDER BY column1 [ASC|DESC], column2 [ASC|DESC], ...
  2. 排序方式：
    • ASC：升序排列（默认）。
    • DESC：降序排列。
    • 可以按多个字段排序，优先级从左到右。
  3. Python 示例： 
    # 按工资降序排列所有员工
cursor.execute("SELECT name, salary FROM employees ORDER BY salary DESC")

# 按部门升序排列，同一部门内按工资降序排列
cursor.execute("SELECT name, department, salary FROM employees ORDER BY department ASC, salary DESC")

六、分页查询 (LIMIT)

  • 语法： SELECT ... FROM ... LIMIT offset, count 或 SELECT ... FROM ... LIMIT count OFFSET offset
    • count：要返回的最大记录数。
    • offset：要跳过的记录数（从 0 开始计数）。第一页通常 offset 为 0。
  • 作用： 限制查询结果返回的行数，常用于实现分页功能。
  • Python 示例： 
    # 获取第一页数据 (前 10 条记录)
page = 1
page_size = 10
offset = (page - 1) * page_size

# 写法 1: LIMIT offset, count
cursor.execute("SELECT * FROM employees ORDER BY id LIMIT ?, ?", (offset, page_size))

# 写法 2: LIMIT count OFFSET offset
cursor.execute("SELECT * FROM employees ORDER BY id LIMIT ? OFFSET ?", (page_size, offset))

page1_results = cursor.fetchall()

# 获取第二页数据
page = 2
offset = (page - 1) * page_size
cursor.execute("SELECT * FROM employees ORDER BY id LIMIT ? OFFSET ?", (page_size, offset))
page2_results = cursor.fetchall()

七、JOIN (连接查询)

  • 作用： 用于基于两个或多个表之间的相关列（通常是外键关系）组合行。
  • 常见类型：
    • INNER JOIN (或 JOIN): 返回两个表中匹配的行。
    • LEFT (OUTER) JOIN: 返回左表的所有行，即使右表没有匹配。右表无匹配则为 NULL。
    • RIGHT (OUTER) JOIN: 返回右表的所有行，即使左表没有匹配。左表无匹配则为 NULL。(SQLite 不支持 RIGHT JOIN)
    • FULL (OUTER) JOIN: 返回两个表的所有行。不匹配的填充 NULL。(SQLite 不支持 FULL JOIN)
  • 语法： 
    SELECT table1.column1, table2.column2, ...
FROM table1
[INNER | LEFT | RIGHT | FULL] JOIN table2
ON table1.common_column = table2.common_column
[WHERE ...]
[GROUP BY ...]
[HAVING ...]
[ORDER BY ...]
[LIMIT ...]

  • Python 示例 (INNER JOIN)： 
    # 假设有 employees 表和 departments 表 (employees.department_id = departments.id)
cursor.execute("""
    SELECT e.name, d.department_name AS dept_name, e.salary
    FROM employees e
    INNER JOIN departments d ON e.department_id = d.id
    WHERE e.salary > 60000
    ORDER BY e.salary DESC
""")
high_earners = cursor.fetchall()

八、执行顺序

SQL 查询语句的关键字并非按照书写的顺序执行。理解执行顺序对于编写正确高效的查询和理解结果至关重要：

  1. FROM & JOIN: 确定数据的来源表，并进行连接操作。
  2. WHERE: 根据条件过滤原始表的行。此时聚合函数不可用。
  3. GROUP BY: 将过滤后的行进行分组。
  4. 计算 聚合函数 (COUNT, SUM, AVG 等): 对每个分组进行计算。
  5. HAVING: 根据条件过滤分组后的结果集。此时可以使用聚合函数结果作为条件。
  6. SELECT: 选择最终要显示的列或表达式。此时可以给列设置别名。
  7. DISTINCT: 去除重复的行。
  8. ORDER BY: 对最终结果集进行排序。
  9. LIMIT / OFFSET: 限制返回的行数，实现分页。

总结：在 Python 中使用 SQL的DQL

在 Python 中执行 SQL 查询，通常遵循以下步骤：

  1. 导入数据库库： 如 sqlite3, psycopg2 (PostgreSQL), PyMySQL/mysql-connector-python (MySQL), pyodbc (ODBC) 等。
  2. 建立连接： 使用库提供的函数连接到数据库文件或服务器。
  3. 创建游标： 通过连接对象创建游标 (cursor)，用于执行 SQL 语句。
  4. 编写 SQL 语句： 按照上述 DQL 语法编写查询语句。强烈推荐使用参数化查询 (? 或 %s 占位符) 来传递变量值，以防止 SQL 注入攻击。
  5. 执行查询： 使用游标的 execute() 方法执行 SQL 语句。如果是带参数的查询，将参数作为元组传递给 execute 的第二个参数。
  6. 获取结果：
    • fetchone(): 获取下一行。
    • fetchmany(size): 获取指定数量的行。
    • fetchall(): 获取所有剩余行。
  7. 处理结果： 对获取到的结果集（通常是元组列表或字典列表）进行迭代和处理。
  8. 关闭游标和连接： 使用 close() 方法释放资源。
# 数据库 # python
Logo
亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

avatar 亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

avatar 亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

avatar 亚马逊云科技技术品牌专区