在Python程序和Flask框架中使用SQLAlchemy的教程
ORM 江湖
曾幾何時，程序員因為懼怕SQL而在開發(fā)的時候小心翼翼的寫著sql，心中總是少不了恐慌，萬一不小心sql語句出錯，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 對象關(guān)系映射，簡而言之，就是把數(shù)據(jù)庫的一個個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 簡介
SQLAlchemy 分為兩個部分，一個用于 ORM 的對象映射，另外一個是核心的 SQL expression 。第一個很好理解，純粹的ORM，后面這個不是 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表達式，簡介的寫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？因為后面這個兩個是 orm 的基礎(chǔ)。并且，即是不使用orm，后面這兩個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比較難實現(xiàn)。
實戰(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 方法進行數(shù)據(jù)庫連接，返回一個 db 對象。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)庫主機地址/數(shù)據(jù)庫名?編碼
echo = True 是為了方便 控制臺 logging 輸出一些sql信息，默認是False
通過這個engine對象可以直接execute 進行查詢，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，才能進行sql表達式的操作，畢竟sql表達式的表的確定，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，這里其實是一個映射關(guān)系，如果不指定，查詢表達式就不知道是附加在那個表的操作，當(dāng)然定義的時候，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，再次運行創(chuàng)建的代碼，數(shù)據(jù)庫是不會創(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)表和連接對象，對應(yīng)數(shù)據(jù)庫操作就簡單了。
>>> 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，第一個為查詢對象，第二個參數(shù)為一個插入數(shù)據(jù)字典，如果插入的是多個對象，就把對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 對象，例如
>>> user.c # 表 user 的字段column對象 <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，就會自動關(guān)閉 ResultProxy 對象 True
同時查詢兩個表
>>> 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 # 使用兩個整形的變成 + "user".id + address.id >>> print user.c.name + address.c.email # 使用兩個字符串 變成 || "user".name || address.email
操作連接
這里的連接指條件查詢的時候，邏輯運算符的連接，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
遇到負責(zé)的sql語句的時候，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 兩個方法，join 有兩個參數(shù)，第一個是join 的表，第二個是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 # 因為開啟了外鍵 ，所以join 能只能識別 on 條件 >>> print user.join(address, address.c.user_id==user.c.id) # 手動指定 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 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
還有一個高級用法，就是一次命令執(zhí)行多個記錄的更新，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://數(shù)據(jù)庫用戶名:密碼@主機地址: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 一對一（例如無限級欄目），一對多（文章和欄目），多對多（文章和標(biāo)簽）
one to many：
我們定義一個Category（欄目）和Post（文章），兩者是一對多的關(guān)系，一個欄目有許多文章，一個文章屬于一個欄目。
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'))
# 外鍵對象，不會生成數(shù)據(jù)庫實際字段
# 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 （評論已經(jīng)指出，這樣的做法無法關(guān)聯(lián)刪除，簡書沒有刪除線格式，多多對例子作廢，在此提示，以免被誤導(dǎo)）
對于多對多的關(guān)系，往往是定義一個兩個model的id的另外一張表，例如 Post 和 Tag之間是多對多，需要定義一個 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
自身一對一也是常用的需求，比如無限分級欄目
class Category(db.Model):
id = db.Column(db.Integer, primary_key=True)
name = db.Column(db.String(50))
# 父級 id
pid = db.Column(db.Integer, db.ForeignKey('category.id'))
# 父欄目對象
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，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
python_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，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
Python 使用PIL numpy 實現(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 實現(xiàn)拼接圖片的示例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
在本篇文章里小編給大家分享了一篇關(guān)于Python截圖并保存的具體實例，對此有興趣的朋友們可以參考下。2021-01-01
Python優(yōu)秀開源項目Rich源碼解析的流程分析
這篇文章主要介紹了Python優(yōu)秀開源項目Rich源碼解析,本文通過實例圖文相結(jié)合給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-07-07
這篇文章主要給大家介紹了關(guān)于python打印直角三角形與等腰三角形的相關(guān)資料，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
python3 numpy中數(shù)組相乘np.dot(a,b)運算的規(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)運算的規(guī)則說明，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
有天在一臺新PC上安裝完IDA和Python之后，啟動IDA報找不到Python模塊的問題，本文就詳細的介紹一下解決方法，感興趣的可以了解一下2021-10-10
Python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，對此有需要的朋友一起測試下。2018-02-02
這篇文章主要介紹了在Django中使用MQTT的方法，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-05-05