一、前言

最近做web網站的測試，遇到很多需要批量造數據的功能；比如某個頁面展示數據條數需要達到10000條進行測試，此時手動構造數據肯定是不可能的，此時只能通過python腳本進行自動構造數據；本次構造數據主要涉及到在某個表里面批量添加數據、在關聯的幾個表中同步批量添加數據、批量查詢某個表中符合條件的數據、批量更新某個表中符合條件的數據等。

二、數據添加

即批量添加數據到某個表中。

insert_data.py

import pymysql

import random

import time

from get_userinfo import get_userinfo

from get_info import get_info

from get_tags import get_tags

from get_tuser_id import get_utag

class DatabaseAccess():

def __init__(self):

self.__db_host = "xxxxx"

self.__db_port = 3307

self.__db_user = "root"

self.__db_password = "123456"

self.__db_database = "xxxxxx"

# 連接數據庫

def isConnectionOpen(self):

self.__db = pymysql.connect(

host=self.__db_host,

port=self.__db_port,

user=self.__db_user,

password=self.__db_password,

database=self.__db_database,

charset='utf8'

)

# 插入數據

def linesinsert(self,n,user_id,tags_id,created_at):

self.isConnectionOpen()

# 創建游標

global cursor

conn = self.__db.cursor()

try:

sql1 = '''

INSERT INTO `codeforge_new`.`cf_user_tag`(`id`, `user_id`,

`tag_id`, `created_at`, `updated_at`) VALUES ({}, {},

{}, '{}', '{}');

'''.format(n,user_id,tags_id,created_at,created_at)

# 執行SQL

conn.execute(sql1,)

except Exception as e:

print(e)

finally:

# 關閉游標

conn.close()

self.__db.commit()

self.__db.close()

def get_data(self):

# 生成對應數據 1000條

for i in range(0,1001):

created_at = time.strftime('%Y-%m-%d %H:%M:%S',time.localtime())

# print(create_at)

# 用戶id

tuserids = []

tuserid_list = get_utag()

for tuserid in tuserid_list:

tuserids.append(tuserid[0])

# print(tuserids)

userid_list = get_userinfo()

user_id = random.choice(userid_list)[0]

if user_id not in tuserids:

user_id=user_id

# 標簽id

tagsid_list = get_tags()

tags_id = random.choice(tagsid_list)[0]

self.linesinsert(i,user_id,tags_id,created_at)

if __name__ == "__main__":

# 實例化對象

db=DatabaseAccess()

db.get_data()

二、數據批量查詢

select_data.py

import pymysql

import pandas as pd

import numpy as np

def get_tags():

# 連接數據庫，地址，端口，用戶名，密碼，數據庫名稱，數據格式

conn = pymysql.connect(host='xxx.xxx.xxx.xxx',port=3307,user='root',passwd='123456',db='xxxx',charset='utf8')

cur = conn.cursor()

# 表cf_users中獲取所有用戶id

sql = 'select id from cf_tags where id between 204 and 298'

# 將user_id列轉成列表輸出

df = pd.read_sql(sql,con=conn)

# 先使用array()將DataFrame轉換一下

df1 = np.array(df)

# 再將轉換后的數據用tolist()轉成列表

df2 = df1.tolist()

# cur.execute(sql)

# data = cur.fetchone()

# print(df)

# print(df1)

# print(df2)

return df2

conn.close()

三、批量更新數據

select_data.py

import pymysql

import pandas as pd

import numpy as np

def get_tags():

# 連接數據庫，地址，端口，用戶名，密碼，數據庫名稱，數據格式

conn = pymysql.connect(host='xxx.xxx.xxx.xxx',port=3307,user='root',passwd='123456',db='xxxx',charset='utf8')

cur = conn.cursor()

# 表cf_users中獲取所有用戶id

sql = 'select id from cf_tags where id between 204 and 298'

# 將user_id列轉成列表輸出

df = pd.read_sql(sql,con=conn)

# 先使用array()將DataFrame轉換一下

df1 = np.array(df)

# 再將轉換后的數據用tolist()轉成列表

df2 = df1.tolist()

# cur.execute(sql)

# data = cur.fetchone()

# print(df)

# print(df1)

# print(df2)

return df2

conn.close()

以上就是python 實現數據庫中數據添加、查詢與更新的示例代碼的詳細內容，更多關于python 數據庫添加、查詢與更新的資料請關注腳本之家其它相關文章！