기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

SQlite와 python

python과 sqlite의 연결

python과 sqlite의 연결을 위해 python의 sqlite3 모듈을 사용합니다.
SQlite는 별도의 서버가 필요하지 않습니다. 그러므로 다음과 같이 간단히 두 언어의 연결이 이루어 집니다.

sqlite의 운영은 다음 과정으로 이루어집니다.
1) 선택한 데이터베이스에 대한 연결 : connection
2) 데이터 전달을 위한 커서 설정: cursor
3) SQL을 이용해 데이터를 조작: 상호작용
4) SQL 조작을 데이터에 적용한 후 이를 영구적으로 반영(커밋)
5) 그러한 조작을 중단(롤백) 상호작용이 발생하기 전의 상태로 데이터를 되돌리도록  연결에 지시
6) 데이터 베이스에 대한 연결을 닫음: close

conn=sqlite3.connect("C:/~/test.db")
cur=conn.cursor()
#table 생성
cur.execute('''create table ex1(id integer primary key, name text, phone text, email text unique, password text)''')
#연결 닫기
conn.close()

#생성한 데이블 삭제
cur.execute('''drop table ex1''')
conn.commit()
#commit() 명령은 테이블이 아닌 연결된 db(여기서는 conn)차원에서 이루어집니다.
#다음은 동일한 db에서 테이블을 생성하고 데이터를 입력합니다.
conn=sqlite3.connect("C:/Users/hp/Documents/stock/DB/test.db")
cur=conn.cursor()
cur.execute('''create table ex1(id integer primary key, name text, phone text, email text unique, password text)''')
val=[(1, 'a', '2341234', 'a@exam.com', '1234'), (2, 'b', '6740980', 'b@exam.com', '7658')]
cur.execute("insert into ex1 values(?,?,?,?,?)", val[0])
cur.execute("insert into ex1 values(?,?,?,?,?)", val[1])
conn.commit()
#python 변수의 값들은 튜플로 전달됩니다.  다른 방식으로는 사전과 같이 전달할 수 있습니다.
id3=3
name3='c'
phone3="4538901"
email3='callable@exam.com'
password3="7852"
cur.execute("insert into ex1(id, name, phone, email, password) values(:id, :name, :phone, :email, :password)",
            {'id':id3, 'name': name3, 'phone':phone3, 'email':email3, 'password':password3})
conn.commit()
#여러개의 자료를 동시에 삽입할 경우는 executemany() 메소드를 사용합니다.
val2=[(4, 'd', '2341234', 'd@exam.com', '1234'), (5, 'e', '6740980', 'e@exam.com', '7658')]
cur.executemany("insert into ex1(id, name, phone, email, password) values(?,?,?,?,?)", val2)
conn.commit()
id=cur.lastrowid
id
'''
입력된 데이터를 호출하기 위해서는 cursor 객체에 select 문을 실행하고
한 행을 가져오기 위해서는 fetchone()
모든 행을 가져오기 위해서는 fetchall() 메소드를 사용합니다.
'''
cur.execute("select id, name, phone, email, password from ex1")
item1=cur.fetchone()
item1
#다음 코드의 결과는 위와 같이 호출된 데이터는 제외됩니다.
item_all=cur.fetchall()
item_all
#반복문을 사용하여 호출
for row in item_all:
    print("{0}:{1},{2}".format(row[0], row[1], row[2]))
#특정한 부분을 호출할 경우 '?'(placeholder)를 사용합니다.
spec_id=3
cur.execute('select name, email, phone from ex1 where id=?', (spec_id,))
cur.fetchone()
#데이터를 업데이트, 제거할 경우는 각각 update, delete를 사용합니다.
new=7098931
repid=1
cur.execute('update ex1 set phone=? where id=?', (new, repid))
cur.execute('delete from ex1 where id=4')
conn.commit()
'''
마지막에 수정한 변화는 취소하기 위해서는 rollback()을 사용합니다.
어떤 명령후에 그 결과를 저장하기 위해서는 commit()를 실행해야 하는데
rollback()은 commit()을 실행하기 직전의 마지막 명령을 취소하는 역할을 합니다.
'''
conn.rollback()
conn.close()

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...