早就步入大数据时代，人们对“数据库”这个词都是耳熟能详。但是，很多人印象中认为数据库的门槛比较高，需要架设专用的服务器设备才能使用，所以望而却步。

其实没有服务器，我们照样能使用数据库。像我们每天使用的微信，它的个人聊天记录就存储在我们手机上的数据库里面。

这个数据库就是SQLite，我们只要使用Python就能轻松这个数据库：

SQLite数据库简介

SQLite是一个轻量级的关系型数据库管理系统，它不需要单独的服务器进程或配置，而是作为一个库与应用程序集成。SQLite支持SQL语言进行数据存储和查询，并且提供事务管理、ACID属性等关键功能。由于其体积小、性能高、易于使用，广泛应用于移动应用、桌面软件和嵌入式系统中。

如何使用Python操作SQLite

安装Python的时候，系统已经自动安装了SQLite，所以不需要我们另外安装。（Python的安装非常简单，可以参见《Python入门-Python的下载和安装》）

• 使用Python创建、连接和关闭数据库

import sqlite3

# 连接到SQLite数据库
# 如果数据库不存在，它将被创建
# 如果数据库已存在，它将被打开
conn = sqlite3.connect('d:\\sqlite\\test1.db')

# 关闭数据库连接
conn.close()

运行上述代码，D:\SQLite目录下出现test1.db文件，这个就是数据库文件。

• 使用Python执行SQL语句

非常简单，只要创建一个游标对象，就可以通过它的execute方法执行SQL语句，执行结束需要调用commit方法提交事务。

# 创建游标对象  
cursor = conn.cursor()

# 创建数据表  
cursor.execute('''  
CREATE TABLE IF NOT EXISTS users (  
    id INTEGER PRIMARY KEY,  
    name TEXT NOT NULL,  
    age INTEGER  
)  
''')  
  
# 提交事务  
conn.commit()

数据的增删改都可通过execute方法实现

# 插入数据  
cursor.execute("INSERT INTO users (name, age) VALUES (?, ?)", ('Alice', 30)) 
cursor.execute("INSERT INTO users (name, age) VALUES (?, ?)", ('Bob', 25)) 

# 提交事务  
conn.commit()

数据的查询也是同样，可以通过游标的fetchall方法将结果集取出。

# 查询数据  
cursor.execute("SELECT * FROM users")  
rows = cursor.fetchall()  
  
for row in rows:  
    print(row)

与Pandas联合使用更为有效

1、场景一：使用Pandas读取文件数据存入SQLite

import sqlite3  
import pandas as pd  
  
# 使用with语句作为上下文管理器  
with sqlite3.connect('d:\\sqlite\\test1.db') as conn:  
    # 将Excel文件数据加载到DataFrame中  
    df =pd.read_excel('d:\\data.xlsx')
   
    # 将DataFrame写入SQLite数据库  
    df.to_sql('new_users', conn, if_exists='replace', index=False)  
  
# 连接在with语句块结束时自动关

2、场景二：使用Pandas读取SQLite数据集写入文件

import sqlite3  
import pandas as pd  
  
# 使用with语句作为上下文管理器  
with sqlite3.connect('d:\\sqlite\\test1.db') as conn:  
    # 执行SQL查询并将结果加载到DataFrame中  
    df = pd.read_sql_query("SELECT * FROM users", conn)  
    
    # 将DataFrame写入Excel文件中 
    df.to_excel('d:\\data.xlsx', index=False)
  
# 连接在with语句块结束时自动关闭

结语

通过上面的演示可以看出，使用Python进行数据库操作非常简单，特别是和Pandas结合起来使用，既可以发挥数据库SQL语言的优势，又可以发挥Pandas读写数据的长处，绝对可以大大提升我们的工作效率。