SQLite是一種輕量級的關系型數據庫，它被廣泛用于嵌入式設備和小型應用程序中。Python中的Pandas庫提供了一個簡單而強大的接口來處理SQLite數據庫。

在本文中，我們將探討如何使用Python和Pandas來連接、查詢和修改SQLite數據庫。我們將從安裝必要的軟件開始，然后介紹基本的Pandas操作，最后演示如何使用SQLite作為數據存儲。

安裝必要的軟件

首先，我們需要確保我們已經安裝了Python和Pandas庫。如果您還沒有這些軟件，請按照下面的步驟進行安裝：

1. 前往Python官方網站下載并安裝適合您操作系統的版本。
2. 打開命令行或終端窗口，并運行以下命令安裝Pandas庫：pip install pandas

在我們開始連接SQLite數據庫之前，我們還需要安裝SQLite驅動程序。有幾個選項可供選擇，但我建議使用sqlite3模塊，因為它與Python標準庫捆綁在一起，所以無需額外安裝。

如果您使用的是較新的Python版本，則可能無需安裝任何東西。否則，請在命令行中鍵入以下內容：

pip install pysqlite3

連接到SQLite數據庫

一旦我們完成了安裝，就可以使用Pandas連接到SQLite數據庫了。下面是一個基本的例子：

import pandas as pd import sqlite3 # 創建一個連接對象 conn = sqlite3.connect('example.db') # 從數據庫中讀取數據并轉換為DataFrame對象 df = pd.read_sql_query("SELECT * FROM my_table", conn) # 關閉連接 conn.close()

在這個例子中，我們首先創建了一個名為example.db的SQLite數據庫的連接對象。然后，我們使用pd.read_sql_query()函數將一個SQL查詢結果轉換為Pandas DataFrame對象。最后，我們關閉了與數據庫的連接。

請注意，pd.read_sql_query()函數接受兩個參數：SQL查詢和連接對象。如果您有一個更復雜的查詢，可以直接將查詢字符串傳遞給該函數。

在Pandas中操作數據

一旦我們成功連接到SQLite數據庫，我們就可以在Pandas DataFrame中執行各種操作了。以下是一些例子：

查詢數據

# 選擇特定列 df[['col1', 'col2']] # 過濾行 df[df['col1'] > 10] # 排序 df.sort_values('col1')

修改數據

# 增加新列 df['new_col'] = df['col1'] + df['col2'] # 替換值 df.loc[df['col1'] == 10, 'col2'] = 0 # 刪除行 df.drop(index=[0, 1])

聚合數據

# 計算總和 df.sum() # 按列分組，并計算平均值 df.groupby('col1').mean()

上面這些是Pandas中最基本的操作，但它們足以處理大多數數據集。

使用SQLite作為數據存儲

最后，我們將演示如何使用SQLite作為數據存儲。要創建一個新表，請執行以下操作：

import sqlite3 # 創建一個連接對象 conn = sqlite3.connect('example.db') # 創建一個游標對象 c = conn.cursor() # 執行SQL語句來創建一個新表 c.execute('''CREATE TABLE my_table
             (id INTEGER PRIMARY KEY,
              col1 INTEGER,
              col2 TEXT)''') # 提交更改并關閉連接 conn.commit()
conn.close()

在上面的例子中，我們首先創建了一個連接到example.db數據庫的連接對象。然后，我們創建了一個游標對象，該對象用于執行SQL命令。接下來

，我們使用execute()方法執行了一條SQL命令來創建名為my_table的新表，該表包含三個列。最后，我們提交更改并關閉連接。

在表中插入數據也很簡單：

import sqlite3 # 創建一個連接對象 conn = sqlite3.connect('example.db') # 創建一個游標對象 c = conn.cursor() # 插入一行數據 c.execute("INSERT INTO my_table (col1, col2) VALUES (?, ?)", (10, 'hello')) # 提交更改并關閉連接 conn.commit()
conn.close()

在上面的例子中，我們使用execute()方法來插入一行數據到my_table表中。我們使用占位符?和元組(10, 'hello')來傳遞值。

最后，要從表中檢索數據，請使用與前面示例中相同的代碼。您只需更新查詢字符串即可：

import pandas as pd import sqlite3 # 創建一個連接對象 conn = sqlite3.connect('example.db') # 從數據庫中讀取數據并轉換為DataFrame對象 df = pd.read_sql_query("SELECT * FROM my_table", conn) # 關閉連接 conn.close()

這將檢索整個my_table表的所有行和列，并將其轉換為Pandas DataFrame對象。

結論

本文介紹了如何使用Python和Pandas處理SQLite數據庫。我們首先安裝了必要的軟件，然后演示了如何連接到數據庫，并使用Pandas執行各種操作。最后，我們展示了如何使用SQLite作為數據存儲，并插入和檢索數據。

SQLite是一種輕量級的數據庫，但它非常強大。結合Python和Pandas，可以使用SQLite來處理各種類型的數據集。這些技術可用于許多應用程序領域，例如數據科學、Web開發和物聯網設備。

數據庫知識對于數據分析工作至關重要，其中 SQL 更是數據獲取與處理的關鍵技能。如果你想進一步提升自己在數據分析領域的能力，學會靈活運用 SQL 進行數據挖掘與分析，那么強烈推薦你學習《SQL 數據分析極簡入門》

學習入口：https://edu.cda.cn/goods/show/3412?targetId=5695&preview=0