当前位置:首页 > 文章列表 > 文章 > python教程 > Python 与 SQLite 中的一对多和多对多关系

Python 与 SQLite 中的一对多和多对多关系

2025-01-09 14:24:27 0浏览 收藏

怎么入门文章编程?需要学习哪些知识点?这是新手们刚接触编程时常见的问题;下面golang学习网就来给大家整理分享一些知识点,希望能够给初学者一些帮助。本篇文章就来介绍《Python 与 SQLite 中的一对多和多对多关系》,涉及到,有需要的可以收藏一下

在Python中使用数据库时,理解表间关系至关重要。本文以WNBA为例,探讨一对多和多对多关系在SQLite中的实现方法,并提供Python代码示例。

Python 与 SQLite 中的一对多和多对多关系

一对多与多对多关系

  • 一对多关系: 一个表的一条记录与另一个表的多条记录关联。例如,一支球队可以有多名运动员,但每名运动员只属于一支球队。

  • 多对多关系: 一个表的多条记录与另一个表的多条记录关联。例如,一名运动员可以与多个品牌签约,一个品牌也可以与多名运动员签约。 在SQLite中,需要使用连接表(桥接表)来实现多对多关系。

Python与SQLite的数据库操作

1. 数据库设置

首先,创建一个SQLite数据库并连接:

import sqlite3

conn = sqlite3.connect("sports.db")  # 创建或连接数据库
cursor = conn.cursor()

2. 创建表

创建team、athlete、brand和deal四个表:

cursor.execute("""
CREATE TABLE IF NOT EXISTS team (
    id INTEGER PRIMARY KEY,
    name TEXT NOT NULL
)
""")

cursor.execute("""
CREATE TABLE IF NOT EXISTS athlete (
    id INTEGER PRIMARY KEY,
    name TEXT NOT NULL,
    team_id INTEGER,
    FOREIGN KEY (team_id) REFERENCES team(id)
)
""")

cursor.execute("""
CREATE TABLE IF NOT EXISTS brand (
    id INTEGER PRIMARY KEY,
    name TEXT NOT NULL
)
""")

cursor.execute("""
CREATE TABLE IF NOT EXISTS deal (
    id INTEGER PRIMARY KEY,
    athlete_id INTEGER,
    brand_id INTEGER,
    FOREIGN KEY (athlete_id) REFERENCES athlete(id),
    FOREIGN KEY (brand_id) REFERENCES brand(id)
)
""")

conn.commit()

3. 一对多关系:球队和运动员

插入数据并查询:

cursor.execute("INSERT INTO team (name) VALUES (?)", ("New York Liberty",))
team_id = cursor.lastrowid

cursor.execute("INSERT INTO athlete (name, team_id) VALUES (?, ?)", ("Breanna Stewart", team_id))
cursor.execute("INSERT INTO athlete (name, team_id) VALUES (?, ?)", ("Sabrina Ionescu", team_id))

conn.commit()

cursor.execute("SELECT name FROM athlete WHERE team_id = ?", (team_id,))
athletes = cursor.fetchall()
print("Athletes on the team:", athletes)

4. 多对多关系:运动员和品牌

插入品牌和交易记录,并查询运动员的品牌:

cursor.execute("INSERT INTO brand (name) VALUES (?)", ("Nike",))
brand_id_nike = cursor.lastrowid
cursor.execute("INSERT INTO brand (name) VALUES (?)", ("Adidas",))
brand_id_adidas = cursor.lastrowid

cursor.execute("INSERT INTO deal (athlete_id, brand_id) VALUES (?, ?)", (1, brand_id_nike))
cursor.execute("INSERT INTO deal (athlete_id, brand_id) VALUES (?, ?)", (1, brand_id_adidas))
cursor.execute("INSERT INTO deal (athlete_id, brand_id) VALUES (?, ?)", (2, brand_id_nike))

conn.commit()

cursor.execute("""
SELECT Brand.name
FROM Brand
JOIN Deal ON Brand.id = Deal.brand_id
WHERE Deal.athlete_id = ?
""", (1,))
brands = cursor.fetchall()
print("Brands for Athlete 1:", brands)

结论

通过定义外键关系并使用Python进行数据管理,可以创建具有清晰连接的SQLite数据库。理解一对多和多对多关系对于有效构建数据库至关重要。 这个示例仅为入门级,可以扩展到更复杂的关系模型。 记得在操作完成后关闭数据库连接:conn.close()

到这里,我们也就讲完了《Python 与 SQLite 中的一对多和多对多关系》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

linux和python怎样进行可视化展示linux和python怎样进行可视化展示
上一篇
linux和python怎样进行可视化展示
TCL华星光电“覆晶薄膜及显示模组”专利获授权
下一篇
TCL华星光电“覆晶薄膜及显示模组”专利获授权
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    375次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    445次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    452次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    398次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    224次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码