王敏的专栏

因目前项目中数据处理的量稍大，为了方便和业务进行交互，对数据的加工和处理放到微软桌面数据库MS Access中。然后有些地方通过 Python 来操作 MS Access 数据库。用到 sqlalchemy-access库，本文对操作的要点做简单的描述。。使用 sqlalchemy-access 的目的是为了简单。

本文介绍结合 python 的几个工具，实现轻量级的数据库迁移。在日常工作中，可能需要将数据迁移到不同的数据库，可以考虑下面一些简单的办法：kettle 的多表复制向导，之前写过一篇博文：Kettle (6) - 跨数据库数据迁移几个细节使用 CSV 作为中介，需要花时间处理字段的数据类型利用 sqlalchemy，之前写过一篇博文：pandas DataFrame.to_sql() 用法。博文的操作过程还是比较繁琐，需要手工维护字段的数据类型假设我们现在需要把 ms sql server 中

使用 sqlalchemy ，一般通过 Session 对象 ORM 方式操作数据库。如果需要通过 原生 SQL 语句操作数据库，就需要跟 Engine 和 Connect 对象打交道。Engine 对象包含数据库连接池和数据库方言，通过 create_engine() 函数来创建，engine 对象的 connect() 方法返回 Connection 对象，Connection 对象提供 execute() 方法，允许通过原生 sql 语句来操作数据库。本篇以 SQLite 数据库为例，简单介绍原生

SQLAlchemy 是 Python 著名的 ORM 工具包。通过 ORM，可以用面向对象的方式来操作数据库，不再需要编写 SQL 语句。本篇不解释为什么要使用 ORM，主要讲解 SQLAlchemy 的用法。SQLAlchemy 支持多种数据库，除 sqlite 外，其它数据库需要安装第三方驱动，不同数据库最主要区别在连接数据库 url 不同。本篇以 sqlite 数据库为例进行说明。建立到数据库的连接Engine 对象是使用 sqlalchemy 的起点，根据 sqlalchemy documen

使用 SQLAlchemy ORM 查询数据的时候，如果需要的获取的记录按选条件进行筛选，可以参考本文介绍的相关方法。不存在什么技巧，需要的是熟悉而已。使用我经常用的数据源 Sample Data。推荐使用 jupyter notebook 进行交互测试。使用 SQLAlchemy ORM，涉及到 engine, session 等对象。在查询前，先准备好如下代码：from sqlalchem...