1. 安裝和導入模塊

以 Python 中的 SQLAlchemy 模塊為例，配合使用其他第三方模塊，SQLAlchemy 能夠操作各種數據庫，包括 Oracle、PostgreSQL、MySQL、SQLite、SQL Server 等等，如果你還沒有安裝，可以通過以下命令進行安裝：

要測試 SQLAlchemy 模塊是否正確安裝，可以在 Jupyter Lab 中運行以下代碼：

如果該模塊正確安裝，就會輸出版本號，我目前使用的版本是 1.3.20。

不同的數據庫，需要安裝不同的第三方模塊，比如說，要操作 Oracle，那么通常需要先安裝 cx_Oracle：

2. 連接數據庫

在開始操作數據庫之前，需要先創建一個數據庫引擎，然后再連接數據庫：

其中用戶名、密碼和 IP 地址等基本信息，要根據自己的實際情況進行修改。

3. 創建表

為了演示用 Python 自動操作數據庫，假設你的數據庫賬號擁有創建表的權限，那么就可以執行下面的語句，實現創建一個新的表：

4. 增刪改查

數據庫的常用操作包括增、刪、改、查，下面分別簡單演示一下。

首先，增加兩行模擬用的數據：

其次，刪除其中一行：

然后，修改另一行數據：

雖然 SQLAlchemy 非常強大，但是如果能配合 Pandas 一起使用，那么就能雙劍合璧，從而更好地解決數據處理和分析的問題。

比如說，按條件查詢指定的數據：

5. 數據備份和刪除表

有時候，我們還需要把數據備份到數據庫中，如果直接使用 Pandas 的 to_sql 函數，那么字符串類型的列會被自動存儲為 CLOB，這樣后續處理起來就會比較麻煩。

我們可以用一個函數，實現自動轉換為 NVARCHAR 類型：

這個功能還可以應用于不同數據庫之間的數據遷移。比如說，從一個 MySQL 數據庫中查詢指定的數據，保存為 df，然后再附加到 Oracle 數據庫中。

如果設置好相應的定時任務，就能實現用 Python 自動操作數據庫，從而自動完成相關工作。

最后，我們刪除上面演示用的兩個表，并關閉數據庫連接，節約資源，減少浪費，這是一個很好的習慣。

小結

本文介紹了用 Python 自動操作數據庫的一些常用方法，從 SQLAlchemy 和 cx_Oracle 模塊的安裝和導入，到連接數據庫，再到創建表和增刪改查，最后對數據進行備份和刪除表，這些操作都可以在 Jupyter Lab 中一鍵執行，自動完成一些數據庫的相關操作。

事實上，你可以根據自己的實際情況，修改數據庫的類型和字符串連接等信息，并執行各種各樣的 SQL 語句，自動完成更加復雜的數據庫操作。

內容轉載自：林驥