在Python程序和Flask框架中使用SQLAlchemy的教程
ORM 江湖
曾幾何時(shí),程序員因?yàn)閼峙耂QL而在開發(fā)的時(shí)候小心翼翼的寫著sql,心中總是少不了恐慌,萬一不小心sql語句出錯(cuò),搞壞了數(shù)據(jù)庫怎么辦?又或者為了獲取一些數(shù)據(jù),什么內(nèi)外左右連接,函數(shù)存儲(chǔ)過程等等。毫無疑問,不搞懂這些,怎么都覺得變扭,說不定某天就跳進(jìn)了坑里,叫天天不應(yīng),喊地地不答。
ORM 的出現(xiàn),讓畏懼SQL的開發(fā)者,在坑里看見了爬出去的繩索,仿佛天空并不是那么黑暗,至少再暗,我們也有了眼睛。顧名思義,ORM 對(duì)象關(guān)系映射,簡(jiǎn)而言之,就是把數(shù)據(jù)庫的一個(gè)個(gè)table(表),映射為編程語言的class(類)。
python中比較著名的ORM框架有很多,大名頂頂?shù)?SQLAlchemy 是python世界里當(dāng)仁不讓的ORM框架。江湖中peewee,strom, pyorm,SQLObject 各領(lǐng)風(fēng)騷,可是最終還是SQLAlchemy 傲視群雄。
SQLAlchemy 簡(jiǎn)介
SQLAlchemy 分為兩個(gè)部分,一個(gè)用于 ORM 的對(duì)象映射,另外一個(gè)是核心的 SQL expression 。第一個(gè)很好理解,純粹的ORM,后面這個(gè)不是 ORM,而是DBAPI的封裝,當(dāng)然也提供了很多方法,避免了直接寫sql,而是通過一些sql表達(dá)式。使用 SQLAlchemy 則可以分為三種方式。
- 使用 sql expression ,通過 SQLAlchemy 的方法寫sql表達(dá)式,簡(jiǎn)介的寫sql
- 使用 raw sql, 直接書寫 sql
- 使用 ORM 避開直接書寫 sql
本文先探討 SQLAlchemy的 sql expresstion 部分的用法。主要還是跟著官方的 SQL Expression Language Tutorial.介紹
為什么要學(xué)習(xí) sql expresstion ,而不直接上 ORM?因?yàn)楹竺孢@個(gè)兩個(gè)是 orm 的基礎(chǔ)。并且,即是不使用orm,后面這兩個(gè)也能很好的完成工作,并且代碼的可讀性更好。純粹把SQLAlchemy當(dāng)成dbapi使用。首先SQLAlchemy 內(nèi)建數(shù)據(jù)庫連接池,解決了連接操作相關(guān)繁瑣的處理。其次,提供方便的強(qiáng)大的log功能,最后,復(fù)雜的查詢語句,依靠單純的ORM比較難實(shí)現(xiàn)。
實(shí)戰(zhàn)
連接數(shù)據(jù)庫
首先需要導(dǎo)入 sqlalchemy 庫,然后建立數(shù)據(jù)庫連接,這里使用 mysql。通過create_engine方法進(jìn)行
from sqlalchemy import create_engine engine = create_engine("mysql://root:@localhost:3306/webpy?charset=utf8",encoding="utf-8", echo=True)
create_engine 方法進(jìn)行數(shù)據(jù)庫連接,返回一個(gè) db 對(duì)象。里面的參數(shù)表示
數(shù)據(jù)庫類型://用戶名:密碼(沒有密碼則為空,不填)@數(shù)據(jù)庫主機(jī)地址/數(shù)據(jù)庫名?編碼
echo = True 是為了方便 控制臺(tái) logging 輸出一些sql信息,默認(rèn)是False
通過這個(gè)engine對(duì)象可以直接execute 進(jìn)行查詢,例如 engine.execute("SELECT * FROM user") 也可以通過 engine 獲取連接在查詢,例如 conn = engine.connect() 通過 conn.execute()方法進(jìn)行查詢。兩者有什么差別呢?
直接使用engine的execute執(zhí)行sql的方式, 叫做connnectionless執(zhí)行,
借助 engine.connect()獲取conn, 然后通過conn執(zhí)行sql, 叫做connection執(zhí)行
主要差別在于是否使用transaction模式, 如果不涉及transaction, 兩種方法效果是一樣的. 官網(wǎng)推薦使用后者。
定義表
定義數(shù)據(jù)表,才能進(jìn)行sql表達(dá)式的操作,畢竟sql表達(dá)式的表的確定,是sqlalchemy制定的,如果數(shù)據(jù)庫已經(jīng)存在了數(shù)據(jù)表還需要定義么?當(dāng)然,這里其實(shí)是一個(gè)映射關(guān)系,如果不指定,查詢表達(dá)式就不知道是附加在那個(gè)表的操作,當(dāng)然定義的時(shí)候,注意表名和字段名,代碼和數(shù)據(jù)的必須保持一致。定義好之后,就能創(chuàng)建數(shù)據(jù)表,一旦創(chuàng)建了,再次運(yùn)行創(chuàng)建的代碼,數(shù)據(jù)庫是不會(huì)創(chuàng)建的。
# -*- coding: utf-8 -*- __author__ = 'ghost' from sqlalchemy import create_engine, Table, Column, Integer, String, MetaData, ForeignKey # 連接數(shù)據(jù)庫 engine = create_engine("mysql://root:@localhost:3306/webpy?charset=utf8",encoding="utf-8", echo=True) # 獲取元數(shù)據(jù) metadata = MetaData() # 定義表 user = Table('user', metadata, Column('id', Integer, primary_key=True), Column('name', String(20)), Column('fullname', String(40)), ) address = Table('address', metadata, Column('id', Integer, primary_key=True), Column('user_id', None, ForeignKey('user.id')), Column('email', String(60), nullable=False) ) # 創(chuàng)建數(shù)據(jù)表,如果數(shù)據(jù)表存在,則忽視 metadata.create_all(engine) # 獲取數(shù)據(jù)庫連接 conn = engine.connect()
插入 insert
有了數(shù)據(jù)表和連接對(duì)象,對(duì)應(yīng)數(shù)據(jù)庫操作就簡(jiǎn)單了。
>>> i = user.insert() # 使用查詢 >>> i <sqlalchemy.sql.dml.Insert object at 0x0000000002637748> >>> print i # 內(nèi)部構(gòu)件的sql語句 INSERT INTO "user" (id, name, fullname) VALUES (:id, :name, :fullname) >>> u = dict(name='jack', fullname='jack Jone') >>> r = conn.execute(i, **u) # 執(zhí)行查詢,第一個(gè)為查詢對(duì)象,第二個(gè)參數(shù)為一個(gè)插入數(shù)據(jù)字典,如果插入的是多個(gè)對(duì)象,就把對(duì)象字典放在列表里面 >>> r <sqlalchemy.engine.result.ResultProxy object at 0x0000000002EF9390> >>> r.inserted_primary_key # 返回插入行 主鍵 id [4L] >>> addresses [{'user_id': 1, 'email': 'jack@yahoo.com'}, {'user_id': 1, 'email': 'jack@msn.com'}, {'user_id': 2, 'email': 'www@www.org'}, {'user_id': 2, 'email': 'wendy@aol.com'}] >>> i = address.insert() >>> r = conn.execute(i, addresses) # 插入多條記錄 >>> r <sqlalchemy.engine.result.ResultProxy object at 0x0000000002EB5080> >>> r.rowcount #返回影響的行數(shù) 4L >>> i = user.insert().values(name='tom', fullname='tom Jim') >>> i.compile() <sqlalchemy.sql.compiler.SQLCompiler object at 0x0000000002F6F390> >>> print i.compile() INSERT INTO "user" (name, fullname) VALUES (:name, :fullname) >>> print i.compile().params {'fullname': 'tom Jim', 'name': 'tom'} >>> r = conn.execute(i) >>> r.rowcount 1L
查詢 select
查詢方式很靈活,多數(shù)時(shí)候使用 sqlalchemy.sql 下面的 select方法
>>> s = select([user]) # 查詢 user表 >>> s <sqlalchemy.sql.selectable.Select at 0x25a7748; Select object> >>> print s SELECT "user".id, "user".name, "user".fullname FROM "user"
如果需要查詢自定義的字段,可是使用 user 的cloumn 對(duì)象,例如
>>> user.c # 表 user 的字段column對(duì)象 <sqlalchemy.sql.base.ImmutableColumnCollection object at 0x0000000002E804A8> >>> print user.c ['user.id', 'user.name', 'user.fullname'] >>> s = select([user.c.name,user.c.fullname]) >>> r = conn.execute(s) >>> r <sqlalchemy.engine.result.ResultProxy object at 0x00000000025A7748> >>> r.rowcount # 影響的行數(shù) 5L >>> ru = r.fetchall() >>> ru [(u'hello', u'hello world'), (u'Jack', u'Jack Jone'), (u'Jack', u'Jack Jone'), (u'jack', u'jack Jone'), (u'tom', u'tom Jim')] >>> r <sqlalchemy.engine.result.ResultProxy object at 0x00000000025A7748> >>> r.closed # 只要 r.fetchall() 之后,就會(huì)自動(dòng)關(guān)閉 ResultProxy 對(duì)象 True
同時(shí)查詢兩個(gè)表
>>> s = select([user.c.name, address.c.user_id]).where(user.c.id==address.c.user_id) # 使用了字段和字段比較的條件 >>> s <sqlalchemy.sql.selectable.Select at 0x2f03390; Select object> >>> print s SELECT "user".name, address.user_id FROM "user", address WHERE "user".id = address.user_id
操作符
>>> print user.c.id == address.c.user_id # 返回一個(gè)編譯的字符串 "user".id = address.user_id >>> print user.c.id == 7 "user".id = :id_1 # 編譯成為帶參數(shù)的sql 語句片段字符串 >>> print user.c.id != 7 "user".id != :id_1 >>> print user.c.id > 7 "user".id > :id_1 >>> print user.c.id == None "user".id IS NULL >>> print user.c.id + address.c.id # 使用兩個(gè)整形的變成 + "user".id + address.id >>> print user.c.name + address.c.email # 使用兩個(gè)字符串 變成 || "user".name || address.email
操作連接
這里的連接指條件查詢的時(shí)候,邏輯運(yùn)算符的連接,即 and or 和 not
>>> print and_( user.c.name.like('j%'), user.c.id == address.c.user_id, or_( address.c.email == 'wendy@aol.com', address.c.email == 'jack@yahoo.com' ), not_(user.c.id>5)) "user".name LIKE :name_1 AND "user".id = address.user_id AND (address.email = :email_1 OR address.email = :email_2) AND "user".id <= :id_1 >>>
得到的結(jié)果為 編譯的sql語句片段,下面看一個(gè)完整的例子
>>> se_sql = [(user.c.fullname +", " + address.c.email).label('title')] >>> wh_sql = and_( user.c.id == address.c.user_id, user.c.name.between('m', 'z'), or_( address.c.email.like('%@aol.com'), address.c.email.like('%@msn.com') ) ) >>> print wh_sql "user".id = address.user_id AND "user".name BETWEEN :name_1 AND :name_2 AND (address.email LIKE :email_1 OR address.email LIKE :email_2) >>> s = select(se_sql).where(wh_sql) >>> print s SELECT "user".fullname || :fullname_1 || address.email AS title FROM "user", address WHERE "user".id = address.user_id AND "user".name BETWEEN :name_1 AND :name_2 AND (address.email LIKE :email_1 OR address.email LIKE :email_2) >>> r = conn.execute(s) >>> r.fetchall()
使用 raw sql 方式
遇到負(fù)責(zé)的sql語句的時(shí)候,可以使用 sqlalchemy.sql 下面的 text 函數(shù)。將字符串的sql語句包裝編譯成為 execute執(zhí)行需要的sql對(duì)象。例如:、
>>> text_sql = "SELECT id, name, fullname FROM user WHERE id=:id" # 原始sql語句,參數(shù)用( :value)表示 >>> s = text(text_sql) >>> print s SELECT id, name, fullname FROM user WHERE id=:id >>> s <sqlalchemy.sql.elements.TextClause object at 0x0000000002587668> >>> conn.execute(s, id=3).fetchall() # id=3 傳遞:id參數(shù) [(3L, u'Jack', u'Jack Jone')]
連接 join
連接有join 和 outejoin 兩個(gè)方法,join 有兩個(gè)參數(shù),第一個(gè)是join 的表,第二個(gè)是on 的條件,joing之后必須要配合select_from 方法:
>>> print user.join(address) "user" JOIN address ON "user".id = address.user_id # 因?yàn)殚_啟了外鍵 ,所以join 能只能識(shí)別 on 條件 >>> print user.join(address, address.c.user_id==user.c.id) # 手動(dòng)指定 on 條件 "user" JOIN address ON address.user_id = "user".id >>> s = select([user.c.name, address.c.email]).select_from(user.join(address, user.c.id==address.c.user_id)) # 被jion的sql語句需要用 select_from方法配合 >>> s <sqlalchemy.sql.selectable.Select at 0x2eb63c8; Select object> >>> print s SELECT "user".name, address.email FROM "user" JOIN address ON "user".id = address.user_id >>> conn.execute(s).fetchall() [(u'hello', u'jack@yahoo.com'), (u'hello', u'jack@msn.com'), (u'hello', u'jack@yahoo.com'), (u'hello', u'jack@msn.com'), (u'Jack', u'www@www.org'), (u'Jack', u'wendy@aol.com'), (u'Jack', u'www@www.org'), (u'Jack', u'wendy@aol.com')]
排序 分組 分頁
排序使用 order_by 方法,分組是 group_by ,分頁自然就是limit 和 offset兩個(gè)方法配合
>>> s = select([user.c.name]).order_by(user.c.name) # order_by >>> print s SELECT "user".name FROM "user" ORDER BY "user".name >>> s = select([user]).order_by(user.c.name.desc()) >>> print s SELECT "user".id, "user".name, "user".fullname FROM "user" ORDER BY "user".name DESC >>> s = select([user]).group_by(user.c.name) # group_by >>> print s SELECT "user".id, "user".name, "user".fullname FROM "user" GROUP BY "user".name >>> s = select([user]).order_by(user.c.name.desc()).limit(1).offset(3) # limit(1).offset(3) >>> print s SELECT "user".id, "user".name, "user".fullname FROM "user" ORDER BY "user".name DESC LIMIT :param_1 OFFSET :param_2 [(4L, u'jack', u'jack Jone')]
更新 update
前面都是一些查詢,更新和插入的方法很像,都是 表下面的方法,不同的是,update 多了一個(gè) where 方法 用來選擇過濾
>>> s = user.update() >>> print s UPDATE "user" SET id=:id, name=:name, fullname=:fullname >>> s = user.update().values(fullname=user.c.name) # values 指定了更新的字段 >>> print s UPDATE "user" SET fullname="user".name >>> s = user.update().where(user.c.name == 'jack').values(name='ed') # where 進(jìn)行選擇過濾 >>> print s UPDATE "user" SET name=:name WHERE "user".name = :name_1 >>> r = conn.execute(s) >>> print r.rowcount # 影響行數(shù) 3
還有一個(gè)高級(jí)用法,就是一次命令執(zhí)行多個(gè)記錄的更新,需要用到 bindparam 方法
>>> s = user.update().where(user.c.name==bindparam('oldname')).values(name=bindparam('newname')) # oldname 與下面的傳入的從拿書進(jìn)行綁定,newname也一樣 >>> print s UPDATE "user" SET name=:newname WHERE "user".name = :oldname >>> u = [{'oldname':'hello', 'newname':'edd'}, {'oldname':'ed', 'newname':'mary'}, {'oldname':'tom', 'newname':'jake'}] >>> r = conn.execute(s, u) >>> r.rowcount 5L
刪除 delete
刪除比較容易,調(diào)用 delete方法即可,不加 where 過濾,則刪除所有數(shù)據(jù),但是不會(huì)drop掉表,等于清空了數(shù)據(jù)表
>>> r = conn.execute(address.delete()) # 清空表 >>> print r <sqlalchemy.engine.result.ResultProxy object at 0x0000000002EAF550> >>> r.rowcount 8L >>> r = conn.execute(users.delete().where(users.c.name > 'm')) # 刪除記錄 >>> r.rowcount 3L
flask-sqlalchemy
SQLAlchemy已經(jīng)成為了python世界里面orm的標(biāo)準(zhǔn),flask是一個(gè)輕巧的web框架,可以自由的使用orm,其中flask-sqlalchemy是專門為flask指定的插件。
安裝flask-sqlalchemy
pip install flask-sqlalchemy
初始化sqlalchemy
from flask import Flask from flask.ext.sqlalchemy import SQLAlchemy app = Flask(__name__) # dialect+driver://username:password@host:port/database?charset=utf8 # 配置 sqlalchemy 數(shù)據(jù)庫驅(qū)動(dòng)://數(shù)據(jù)庫用戶名:密碼@主機(jī)地址:端口/數(shù)據(jù)庫?編碼 app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://root:@localhost:3306/sqlalchemy?charset=utf8' # 初始化 db = SQLAlchemy(app)
定義model
class User(db.Model): """ 定義了三個(gè)字段, 數(shù)據(jù)庫表名為model名小寫 """ id = db.Column(db.Integer, primary_key=True) username = db.Column(db.String(80), unique=True) email = db.Column(db.String(120), unique=True) def __init__(self, username, email): self.username = username self.email = email def __repr__(self): return '<User %r>' % self.username def save(self): db.session.add(self) db.session.commit()
創(chuàng)建數(shù)據(jù)表
數(shù)據(jù)包的創(chuàng)建使用sqlalchemy app,如果表已經(jīng)存在,則忽略,如果不存在,則新建
>>> from yourapp import db, User >>> u = User(username='admin', email='admin@example.com') # 創(chuàng)建實(shí)例 >>> db.session.add(u) # 添加session >>> db.session.commit() # 提交查詢 >>> users = User.query.all() # 查詢
需要注意的是,如果要插入中文,必須插入 unicode字符串
>>> u = User(username=u'人世間', email='rsj@example.com') >>> u.save()
定義關(guān)系
關(guān)系型數(shù)據(jù)庫,最重要的就是關(guān)系。通常關(guān)系分為 一對(duì)一(例如無限級(jí)欄目),一對(duì)多(文章和欄目),多對(duì)多(文章和標(biāo)簽)
one to many:
我們定義一個(gè)Category(欄目)和Post(文章),兩者是一對(duì)多的關(guān)系,一個(gè)欄目有許多文章,一個(gè)文章屬于一個(gè)欄目。
class Category(db.Model): id = db.Column(db.Integer, primary_key=True) name = db.Column(db.String(50)) def __init__(self, name): self.name = name def __repr__(self): return '<Category %r>' % self.name class Post(db.Model): """ 定義了五個(gè)字段,分別是 id,title,body,pub_date,category_id """ id = db.Column(db.Integer, primary_key=True) title = db.Column(db.String(80)) body = db.Column(db.Text) pub_date = db.Column(db.String(20)) # 用于外鍵的字段 category_id = db.Column(db.Integer, db.ForeignKey('category.id')) # 外鍵對(duì)象,不會(huì)生成數(shù)據(jù)庫實(shí)際字段 # backref指反向引用,也就是外鍵Category通過backref(post_set)查詢Post category = db.relationship('Category', backref=db.backref('post_set', lazy='dynamic')) def __init__(self, title, body, category, pub_date=None): self.title = title self.body = body if pub_date is None: pub_date = time.time() self.pub_date = pub_date self.category = category def __repr__(self): return '<Post %r>' % self.title def save(self): db.session.add(self) db.session.commit()
如何使用查詢呢?
>>> c = Category(name='Python') >>> c <Category 'Python'> >>> c.post_set <sqlalchemy.orm.dynamic.AppenderBaseQuery object at 0x0000000003B58F60> >>> c.post_set.all() [] >>> p = Post(title='hello python', body='python is cool', category=c) >>> p.save() >>> c.post_set <sqlalchemy.orm.dynamic.AppenderBaseQuery object at 0x0000000003B73710> >>> c.post_set.all() # 反向查詢 [<Post u'hello python'>] >>> p <Post u'hello python'> >>> p.category <Category u'Python'> # 也可以使用category_id 字段來添加 >>> p = Post(title='hello flask', body='flask is cool', category_id=1) >>> p.save()
many to many (評(píng)論已經(jīng)指出,這樣的做法無法關(guān)聯(lián)刪除,簡(jiǎn)書沒有刪除線格式,多多對(duì)例子作廢,在此提示,以免被誤導(dǎo))
對(duì)于多對(duì)多的關(guān)系,往往是定義一個(gè)兩個(gè)model的id的另外一張表,例如 Post 和 Tag之間是多對(duì)多,需要定義一個(gè) Post_Tag的表
post_tag = db.Table('post_tag', db.Column('post_id', db.Integer, db.ForeignKey('post.id')), db.Column('tag_id', db.Integer, db.ForeignKey('tag.id')) ) class Post(db.Model): id = db.Column(db.Integer, primary_key=True) # ... 省略 # 定義一個(gè)反向引用,tag可以通過 post_set查詢到 post的集合 tags = db.relationship('Tag', secondary=post_tag, backref=db.backref('post_set', lazy='dynamic')) class Tag(db.Model): id = db.Column(db.Integer, primary_key=True) content = db.Column(db.String(10), unique=True) # 定義反向查詢 posts = db.relationship('Post', secondary=post_tag, backref=db.backref('tag_set', lazy='dynamic')) def __init__(self, content): self.content = content def save(self): db.session.add(self) db.session.commit()
查詢:
>>> tag_list = [] >>> tags = ['python', 'flask', 'ruby', 'rails'] >>> for tag in tags: t = Tag(tag) tag_list.append(t) >>> tag_list [<f_sqlalchemy.Tag object at 0x0000000003B7CF28>, <f_sqlalchemy.Tag object at 0x0000000003B7CF98>, <f_sqlalchemy.Tag object at 0x0000000003B7CEB8>, <f_sqlalchemy.Tag object at 0x0000000003B7CE80>] >>> p <Post u'hello python'> >>> p.tags [] >>> p.tags = tag_list # 添加多對(duì)多的數(shù)據(jù) >>> p.save() >>> p.tags [<f_sqlalchemy.Tag object at 0x0000000003B7CF28>, <f_sqlalchemy.Tag object at 0x0000000003B7CF98>, <f_sqlalchemy.Tag object at 0x0000000003B7CEB8>, <f_sqlalchemy.Tag object at 0x0000000003B7CE80>] >>> p.tag_set # 反向查詢 <sqlalchemy.orm.dynamic.AppenderBaseQuery object at 0x0000000003B7C080> >>> p.tag_set.all() [<f_sqlalchemy.Tag object at 0x0000000003B7CF28>, <f_sqlalchemy.Tag object at 0x0000000003B7CF98>, <f_sqlalchemy.Tag object at 0x0000000003B7CEB8>, <f_sqlalchemy.Tag object at 0x0000000003B7CE80>] >>> t = Tag.query.all()[1] >>> t <f_sqlalchemy.Tag object at 0x0000000003B7CF28> >>> t.content u'python' >>> t.posts [<Post u'hello python'>] >>> t.post_set <sqlalchemy.orm.dynamic.AppenderBaseQuery object at 0x0000000003B7C358> >>> t.post_set.all() [<Post u'hello python'>] self one to one
自身一對(duì)一也是常用的需求,比如無限分級(jí)欄目
class Category(db.Model): id = db.Column(db.Integer, primary_key=True) name = db.Column(db.String(50)) # 父級(jí) id pid = db.Column(db.Integer, db.ForeignKey('category.id')) # 父欄目對(duì)象 pcategory = db.relationship('Category', uselist=False, remote_side=[id], backref=db.backref('scategory', uselist=False)) def __init__(self, name, pcategory=None): self.name = name self.pcategory = pcategory def __repr__(self): return '<Category %r>' % self.name def save(self): db.session.add(self) db.session.commit()
查詢:
>>> p = Category('Python') >>> p <Category 'Python'> >>> p.pid >>> p.pcategory # 查詢父欄目 >>> p.scategory # 查詢子欄目 >>> f = Category('Flask', p) >>> f.save() >>> f <Category u'Flask'> >>> f.pid 1L >>> f.pcategory # 查詢父欄目 <Category u'Python'> >>> f.scategory # 查詢父欄目 >>> p.scategory # 查詢子欄目 <Category u'Flask'>
關(guān)于 flask-sqlalchemy 定義models的簡(jiǎn)單應(yīng)用就這么多,更多的技巧在于如何查詢。
相關(guān)文章
matlab、python中矩陣的互相導(dǎo)入導(dǎo)出方式
這篇文章主要介紹了matlab、python中矩陣的互相導(dǎo)入導(dǎo)出方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-06-06python_matplotlib改變橫坐標(biāo)和縱坐標(biāo)上的刻度(ticks)方式
這篇文章主要介紹了python_matplotlib改變橫坐標(biāo)和縱坐標(biāo)上的刻度(ticks)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-05-05Python 使用PIL numpy 實(shí)現(xiàn)拼接圖片的示例
今天小編就為大家分享一篇Python 使用PIL numpy 實(shí)現(xiàn)拼接圖片的示例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-05-05Python優(yōu)秀開源項(xiàng)目Rich源碼解析的流程分析
這篇文章主要介紹了Python優(yōu)秀開源項(xiàng)目Rich源碼解析,本文通過實(shí)例圖文相結(jié)合給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-07-07python3 numpy中數(shù)組相乘np.dot(a,b)運(yùn)算的規(guī)則說明
這篇文章主要介紹了python3 numpy中數(shù)組相乘np.dot(a,b)運(yùn)算的規(guī)則說明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-03-03Python獲取CPU、內(nèi)存使用率以及網(wǎng)絡(luò)使用狀態(tài)代碼
這篇文章主要介紹了Python獲取CPU使用率、內(nèi)存使用率、網(wǎng)絡(luò)使用狀態(tài)的相關(guān)代碼,對(duì)此有需要的朋友一起測(cè)試下。2018-02-02