Python para Iniciantes
Carregando, aguarde alguns segundos.

8 - Bancos de Dados SQL

Os bancos de dados SQL são essenciais para armazenar e gerenciar grandes quantidades de informações de forma organizada e eficiente.

Neste capítulo, iremos mergulhar em como interagir com bancos de dados em Python:

  • Introdução a Bancos de Dados: Vamos entender os conceitos fundamentais dos bancos de dados, como tabelas, registros, campos e chaves. Exploraremos as diferentes opções de bancos de dados disponíveis e suas características.
  • SQL Básico em Python: Aprenderemos como utilizar a Structured Query Language (SQL) para realizar operações em bancos de dados. Veremos como criar tabelas, inserir dados, recuperar informações e executar consultas complexas.
  • Utilizando o SQLite em Python: O SQLite é um banco de dados leve e amplamente utilizado. Veremos como criar, conectar e manipular bancos de dados SQLite em Python, permitindo que você armazene e recupere informações em arquivos locais.
  • Integração com Bancos de Dados Externos: Abordaremos como conectar-se e interagir com bancos de dados externos, como MySQL, PostgreSQL ou Oracle. Você aprenderá como utilizar bibliotecas específicas para estabelecer conexões e executar operações em bancos de dados remotos.

A habilidade de trabalhar com bancos de dados é crucial para muitas aplicações, desde o desenvolvimento de sistemas de gerenciamento de conteúdo até aplicações empresariais complexas.

Durante este capítulo, forneceremos exemplos práticos e exercícios para que você possa consolidar seu conhecimento e se sentir confiante ao trabalhar com bancos de dados em seus projetos.

Lembre-se de que os bancos de dados são como cofres onde você pode armazenar informações valiosas. Ao dominar as habilidades de interagir com bancos de dados, você terá o poder de criar aplicativos robustos e escaláveis que lidam com dados de forma eficiente.

Então, está pronto(a) para abrir as portas do mundo dos bancos de dados e explorar como eles podem impulsionar seus projetos? Vamos em frente e desvendar os segredos dos bancos de dados em Python! Estou animado(a) para ver como você usará essa habilidade para criar aplicativos incríveis!

8.1 - Introdução a bancos de dados

Vamos explorar o conceito de bancos de dados e como trabalhar com eles em Python. Um banco de dados é uma coleção organizada de dados que são armazenados e gerenciados de forma a permitir a recuperação e atualização eficiente dos dados quando necessário. Bancos de dados são amplamente utilizados em aplicações para armazenar informações persistentes, como registros de usuários, informações de produtos, registros financeiros, entre outros.

Existem vários tipos de bancos de dados, incluindo bancos de dados relacionais, bancos de dados NoSQL e bancos de dados em memória. Neste capítulo, nos concentraremos nos bancos de dados relacionais, que são estruturados em tabelas compostas por linhas e colunas.

  • Bancos de Dados Relacionais: Os bancos de dados relacionais são baseados no modelo relacional, que foi proposto por Edgar F. Codd em 1970. Nesse modelo, os dados são organizados em tabelas, e as relações entre as tabelas são estabelecidas por meio de chaves primárias e chaves estrangeiras. Cada tabela representa uma entidade e cada linha na tabela representa uma instância dessa entidade.
  • SQL (Structured Query Language): Para interagir com bancos de dados relacionais, utilizamos a linguagem SQL (Structured Query Language), que é uma linguagem de consulta padrão para manipular e gerenciar dados em bancos de dados relacionais. Através do SQL, podemos executar operações como inserção, consulta, atualização e exclusão de dados em tabelas.
  • Bibliotecas para Trabalhar com Bancos de Dados em Python: Python oferece várias bibliotecas populares para trabalhar com bancos de dados relacionais, como:
    • SQLite3: É uma biblioteca embutida em Python que permite trabalhar com bancos de dados SQLite sem a necessidade de instalar nenhum software adicional.
    • MySQL Connector/Python: Permite interagir com bancos de dados MySQL.
    • psycopg2: É uma biblioteca para interagir com bancos de dados PostgreSQL.
    • pyodbc: Fornece uma interface para interagir com bancos de dados através de ODBC (Open Database Connectivity).

Neste capítulo, exploraremos como trabalhar com bancos de dados relacionais em Python, desde a criação de bancos de dados até a realização de operações de leitura, escrita e atualização de dados.

O uso de bancos de dados em Python é fundamental para aplicações que precisam armazenar informações persistentes e permitir a recuperação eficiente desses dados.

Através do uso da linguagem SQL e das bibliotecas adequadas, você poderá integrar bancos de dados em suas aplicações e desenvolver soluções mais poderosas e escaláveis.

8.2 - SQL básico em Python

Para realizar operações básicas de SQL em Python, utilizamos a biblioteca sqlite3, que é uma biblioteca embutida no Python para trabalhar com bancos de dados SQLite.

O SQLite é um banco de dados leve e fácil de usar, adequado para projetos menores e aplicações pessoais.

Vamos ver como realizar algumas operações básicas com o SQLite em Python.

Criamos uma conexão com o banco de dados. 

import sqlite3

# Conectar ao banco de dados (cria um arquivo chamado "exemplo.db" se não existir)
conexao = sqlite3.connect("exemplo.db")

# Criar um objeto de cursor para interagir com o banco de dados
cursor = conexao.cursor()

Criamos uma tabela. 

# Comando SQL para criar uma tabela
comando_criar_tabela = """
CREATE TABLE IF NOT EXISTS usuarios (
    id INTEGER PRIMARY KEY,
    nome TEXT NOT NULL,
    idade INTEGER NOT NULL
);
"""

# Executar o comando para criar a tabela
cursor.execute(comando_criar_tabela)

# Salvar as alterações
conexao.commit()

Inserimos dados na tabela. 

# Comando SQL para inserir dados na tabela
comando_inserir_dados = """
INSERT INTO usuarios (nome, idade) VALUES
    ('Alice', 30),
    ('Bob', 25),
    ('Carol', 35);
"""

# Executar o comando para inserir dados
cursor.execute(comando_inserir_dados)

# Salvar as alterações
conexao.commit()

Consultamos dados da tabela. 

# Comando SQL para consultar os dados da tabela
comando_consultar_dados = """
SELECT * FROM usuarios;
"""

# Executar o comando para consultar os dados
cursor.execute(comando_consultar_dados)

# Recuperar os resultados da consulta
dados = cursor.fetchall()

# Exibir os resultados
for linha in dados:
    print(linha)

8.2.1 - Atualizar dados na tabela

# Comando SQL para atualizar dados na tabela
comando_atualizar_dados = """
UPDATE usuarios SET idade = 28 WHERE nome = 'Bob';
"""

# Executar o comando para atualizar os dados
cursor.execute(comando_atualizar_dados)

# Salvar as alterações
conexao.commit()

8.2.2 - Excluir dados da tabela

# Comando SQL para excluir dados da tabela
comando_excluir_dados = """
DELETE FROM usuarios WHERE nome = 'Carol';
"""

# Executar o comando para excluir os dados
cursor.execute(comando_excluir_dados)

# Salvar as alterações
conexao.commit()

8.2.3 - Fechar a conexão com o banco de dados

# Fechar a conexão com o banco de dados
conexao.close()

Esses exemplos demonstram operações básicas de criação de tabelas, inserção, consulta, atualização e exclusão de dados em um banco de dados SQLite usando a biblioteca sqlite3 em Python. É importante lembrar de sempre usar o método commit() após realizar operações de escrita (inserção, atualização, exclusão) para salvar as alterações no banco de dados.

8.3 - Utilizando SQLite em Python

Para utilizar o SQLite em Python, você precisa importar a biblioteca sqlite3, que é uma biblioteca embutida no Python para trabalhar com bancos de dados SQLite. O SQLite é uma excelente escolha para projetos menores e aplicações pessoais, pois é um banco de dados leve, de fácil configuração e não requer instalação de software adicional.

Aqui está um exemplo passo a passo de como utilizar o SQLite em Python para criar um banco de dados, criar tabelas, inserir dados, fazer consultas e atualizar informações:

8.3.1 - Importar a biblioteca sqlite3

import sqlite3

8.3.2 - Criar uma conexão com o banco de dados

conexao = sqlite3.connect("exemplo.db")

O código acima cria uma conexão com um banco de dados chamado "exemplo.db". Se o banco de dados não existir, ele será criado.

8.3.3 - Criar um cursor para interagir com o banco de dados

cursor = conexao.cursor()

O cursor é um objeto que nos permite executar comandos SQL no banco de dados.

8.3.4 - Criar uma tabela

comando_criar_tabela = """
CREATE TABLE IF NOT EXISTS usuarios (
    id INTEGER PRIMARY KEY,
    nome TEXT NOT NULL,
    idade INTEGER NOT NULL
);
"""

cursor.execute(comando_criar_tabela)

Neste exemplo, criamos uma tabela chamada "usuarios" com três colunas: "id" (chave primária), "nome" e "idade".

8.3.5 - Inserir dados na tabela

comando_inserir_dados = """
INSERT INTO usuarios (nome, idade) VALUES
    ('Alice', 30),
    ('Bob', 25),
    ('Carol', 35);
"""

cursor.execute(comando_inserir_dados)
conexao.commit()

Aqui, inserimos três registros na tabela "usuarios".

8.3.6 - Consultar dados da tabela

comando_consultar_dados = """
SELECT * FROM usuarios;
"""

cursor.execute(comando_consultar_dados)
dados = cursor.fetchall()

for linha in dados:
    print(linha)

Neste exemplo, consultamos todos os dados da tabela "usuarios" e exibimos o resultado.

8.3.7 - Atualizar dados na tabela

comando_atualizar_dados = """
UPDATE usuarios SET idade = 28 WHERE nome = 'Bob';
"""

cursor.execute(comando_atualizar_dados)
conexao.commit()

Neste exemplo, atualizamos a idade do usuário "Bob" para 28.

8.3.8 - Excluir dados da tabela

comando_excluir_dados = """
DELETE FROM usuarios WHERE nome = 'Carol';
"""

cursor.execute(comando_excluir_dados)
conexao.commit()

Neste exemplo, excluímos o registro da usuária "Carol" da tabela "usuarios".

8.3.9 - Fechar a conexão com o banco de dados

conexao.close()

É importante fechar a conexão com o banco de dados quando não precisar mais dela.

Esses são alguns exemplos básicos de como utilizar o SQLite em Python para criar, consultar, atualizar e excluir dados em um banco de dados. Com o SQLite, você pode criar aplicações que armazenam informações persistentes de forma eficiente e confiável. Além disso, o Python possui bibliotecas adicionais que permitem trabalhar com outros bancos de dados relacionais, como MySQL e PostgreSQL, caso você precise de mais recursos e escalabilidade.

8.4 - Integração com bancos de dados externos

Para integrar com bancos de dados externos em Python, você pode utilizar bibliotecas específicas para cada tipo de banco de dados.

Vamos apresentar exemplos de como realizar a integração com bancos de dados MySQL e PostgreSQL, que são bancos de dados relacionais amplamente utilizados.

8.4.1 - Integração com Banco de Dados MySQL

Para trabalhar com MySQL em Python, você precisa instalar a biblioteca mysql-connector-python.

Caso ainda não tenha instalado, você pode instalar a biblioteca usando o gerenciador de pacotes pip: 

pip install mysql-connector-python

Aqui está um exemplo de como integrar com um banco de dados MySQL: 

import mysql.connector

# Estabelecer a conexão com o banco de dados
conexao = mysql.connector.connect(
    host="localhost",
    user="seu_usuario",
    password="sua_senha",
    database="nome_do_banco_de_dados"
)

# Criar um cursor para interagir com o banco de dados
cursor = conexao.cursor()

# Exemplo de consulta
comando_consulta = "SELECT * FROM tabela;"
cursor.execute(comando_consulta)
dados = cursor.fetchall()

# Exibir os resultados da consulta
for linha in dados:
    print(linha)

# Fechar o cursor e a conexão com o banco de dados
cursor.close()
conexao.close()

Substitua "seu_usuario", "sua_senha", "nome_do_banco_de_dados" e "tabela" pelos valores correspondentes da sua configuração.

8.4.2 - Integração com Banco de Dados PostgreSQL

Para trabalhar com PostgreSQL em Python, você precisa instalar a biblioteca psycopg2.

Caso ainda não tenha instalado, você pode instalar a biblioteca usando o gerenciador de pacotes pip: 

pip install psycopg2

Aqui está um exemplo de como integrar com um banco de dados PostgreSQL: 

import psycopg2

# Estabelecer a conexão com o banco de dados
conexao = psycopg2.connect(
    host="localhost",
    user="seu_usuario",
    password="sua_senha",
    database="nome_do_banco_de_dados"
)

# Criar um cursor para interagir com o banco de dados
cursor = conexao.cursor()

# Exemplo de consulta
comando_consulta = "SELECT * FROM tabela;"
cursor.execute(comando_consulta)
dados = cursor.fetchall()

# Exibir os resultados da consulta
for linha in dados:
    print(linha)

# Fechar o cursor e a conexão com o banco de dados
cursor.close()
conexao.close()

Substitua "seu_usuario", "sua_senha", "nome_do_banco_de_dados" e "tabela" pelos valores correspondentes da sua configuração.

Lembre-se de que a integração com bancos de dados externos requer que você tenha as credenciais corretas para acessar o banco de dados. Além disso, é importante fechar a conexão e o cursor após a utilização para liberar os recursos do sistema. A escolha entre MySQL, PostgreSQL e outros bancos de dados externos dependerá das necessidades específicas do seu projeto, como escalabilidade, suporte a recursos avançados e requisitos de desempenho.

Além do MySQL e PostgreSQL, Python oferece suporte a integração com outros bancos de dados externos populares. Vamos ver como realizar a integração com o MongoDB e o Microsoft SQL Server.

8.4.3 - Integração com MongoDB

Para trabalhar com o MongoDB em Python, você precisa instalar a biblioteca pymongo.

Caso ainda não tenha instalado, você pode instalar a biblioteca usando o gerenciador de pacotes pip: 

pip install pymongo

Aqui está um exemplo de como integrar com um banco de dados MongoDB: 

import pymongo

# Estabelecer a conexão com o banco de dados
conexao = pymongo.MongoClient("mongodb://localhost:27017/")

# Acessar o banco de dados e a coleção
banco_de_dados = conexao["nome_do_banco_de_dados"]
colecao = banco_de_dados["nome_da_colecao"]

# Exemplo de consulta
consulta = colecao.find()

# Exibir os resultados da consulta
for documento in consulta:
    print(documento)

# Fechar a conexão com o banco de dados
conexao.close()

Substitua "nome_do_banco_de_dados" e "nome_da_colecao" pelos valores correspondentes da sua configuração.

8.4.4 - Integração com Microsoft SQL Server

Para trabalhar com o Microsoft SQL Server em Python, você precisa instalar a biblioteca pyodbc.

Caso ainda não tenha instalado, você pode instalar a biblioteca usando o gerenciador de pacotes pip: 

pip install pyodbc

Aqui está um exemplo de como integrar com um banco de dados Microsoft SQL Server: 

import pyodbc

# Estabelecer a conexão com o banco de dados
conexao = pyodbc.connect(
    "DRIVER={SQL Server};SERVER=nome_do_servidor;DATABASE=nome_do_banco_de_dados;UID=seu_usuario;PWD=sua_senha"
)

# Criar um cursor para interagir com o banco de dados
cursor = conexao.cursor()

# Exemplo de consulta
comando_consulta = "SELECT * FROM tabela;"
cursor.execute(comando_consulta)
dados = cursor.fetchall()

# Exibir os resultados da consulta
for linha in dados:
    print(linha)

# Fechar o cursor e a conexão com o banco de dados
cursor.close()
conexao.close()

Substitua "nome_do_servidor", "nome_do_banco_de_dados", "seu_usuario", "sua_senha" e "tabela" pelos valores correspondentes da sua configuração.

8.4.5 - Integração com Oracle

Para trabalhar com o Oracle em Python, você precisa instalar a biblioteca cx_Oracle.

Caso ainda não tenha instalado, você pode instalar a biblioteca usando o gerenciador de pacotes pip: 

pip install cx_Oracle

Aqui está um exemplo de como integrar com um banco de dados Oracle: 

import cx_Oracle

# Estabelecer a conexão com o banco de dados
conexao = cx_Oracle.connect("seu_usuario/sua_senha@nome_do_banco_de_dados")

# Criar um cursor para interagir com o banco de dados
cursor = conexao.cursor()

# Exemplo de consulta
comando_consulta = "SELECT * FROM tabela"
cursor.execute(comando_consulta)
dados = cursor.fetchall()

# Exibir os resultados da consulta
for linha in dados:
    print(linha)

# Fechar o cursor e a conexão com o banco de dados
cursor.close()
conexao.close()

Substitua "seu_usuario", "sua_senha" e "nome_do_banco_de_dados" pelos valores correspondentes da sua configuração.

8.4.6 - Integração com SQLite (pyodbc)

Além da biblioteca nativa sqlite3, você também pode utilizar o pyodbc para trabalhar com o SQLite em Python.

Caso ainda não tenha instalado, você pode instalar a biblioteca usando o gerenciador de pacotes pip: 

pip install pyodbc
import pyodbc

# Estabelecer a conexão com o banco de dados
conexao = pyodbc.connect("Driver=SQLite3 ODBC Driver;Database=exemplo.db;Trusted_Connection=yes;")

# Criar um cursor para interagir com o banco de dados
cursor = conexao.cursor()

# Exemplo de consulta
comando_consulta = "SELECT * FROM tabela"
cursor.execute(comando_consulta)
dados = cursor.fetchall()

# Exibir os resultados da consulta
for linha in dados:
    print(linha)

# Fechar o cursor e a conexão com o banco de dados
cursor.close()
conexao.close()

Substitua "exemplo.db" pelo caminho para o arquivo do banco de dados SQLite.

8.4.7 - Integração com Redis

Para trabalhar com Redis em Python, você precisa instalar a biblioteca redis.

Caso ainda não tenha instalado, você pode instalar a biblioteca usando o gerenciador de pacotes pip: 

pip install redis

Aqui está um exemplo de como integrar com o banco de dados Redis: 

import redis

# Estabelecer a conexão com o banco de dados
conexao = redis.StrictRedis(host="localhost", port=6379, db=0)

# Exemplo de armazenamento e recuperação de dados
conexao.set("chave", "valor")
valor = conexao.get("chave")
print(valor)

Substitua "localhost" e "port" pelos valores correspondentes da sua configuração do Redis.

8.4.8 - Integração com Cassandra

O Cassandra é um banco de dados NoSQL distribuído, altamente escalável e projetado para lidar com grandes volumes de dados.

Para trabalhar com o Cassandra em Python, você precisa instalar a biblioteca cassandra-driver.

Caso ainda não tenha instalado, você pode instalar a biblioteca usando o gerenciador de pacotes pip: 

pip install cassandra-driver

Aqui está um exemplo de como integrar com o banco de dados Cassandra: 

from cassandra.cluster import Cluster

# Estabelecer a conexão com o cluster Cassandra
cluster = Cluster(['localhost'])
sessao = cluster.connect()

# Criar um keyspace (espaço de chaves) e uma tabela
sessao.execute("""
    CREATE KEYSPACE IF NOT EXISTS meu_keyspace
    WITH replication = {'class': 'SimpleStrategy', 'replication_factor': '1'}
""")

sessao.execute("""
    USE meu_keyspace
""")

sessao.execute("""
    CREATE TABLE IF NOT EXISTS minha_tabela (
        id UUID PRIMARY KEY,
        nome TEXT,
        idade INT
    )
""")

# Inserir dados na tabela
sessao.execute("""
    INSERT INTO minha_tabela (id, nome, idade)
    VALUES (uuid(), 'Alice', 30)
""")

8.4.9 - Integração com o Microsoft Access:

Para trabalhar com bancos de dados Microsoft Access em Python, você pode utilizar a biblioteca pyodbc.

No entanto, antes de prosseguir, é necessário ter o driver ODBC adequado para o Microsoft Access instalado em seu sistema. Geralmente, o driver ODBC do Access já vem instalado junto com o Microsoft Office.

Caso ainda não tenha a biblioteca pyodbc instalada, você poderá instalar usando o gerenciador de pacotes pip: 

pip install pyodbc

Exemplo de como integrar com um banco de dados Microsoft Access: 

import pyodbc

# Estabelecer a conexão com o banco de dados Access
conexao = pyodbc.connect("Driver={Microsoft Access Driver (*.mdb, *.accdb)};DBQ=caminho_para_banco_de_dados.accdb")

# Criar um cursor para interagir com o banco de dados
cursor = conexao.cursor()

# Exemplo de consulta
comando_consulta = "SELECT * FROM tabela"
cursor.execute(comando_consulta)
dados = cursor.fetchall()

# Exibir os resultados da consulta
for linha in dados:
    print(linha)

# Fechar o cursor e a conexão com o banco de dados
cursor.close()
conexao.close()

Substitua "caminho_para_banco_de_dados.accdb" pelo caminho para o arquivo do banco de dados Microsoft Access.

8.5 - Conclusão

Python oferece suporte a uma ampla variedade de bibliotecas para integração com diferente bancos de dados externos. A escolha do banco de dados dependerá dos requisitos e necessidades do seu projeto, bem como da disponibilidade de recursos para trabalhar com cada banco de dados, o modelo de dados, o volume de dados, a escalabilidade e outros requisitos.

Cada biblioteca é projetada para trabalhar com um determinado banco de dados e fornece métodos e funções específicas para executar operações como inserção, consulta, atualização e exclusão de dados. Sempre verifique a documentação oficial da biblioteca para saber mais sobre as opções e funcionalidades disponíveis. Lembre-se de verificar a disponibilidade das bibliotecas específicas para cada banco de dados e instalar os drivers necessários, quando aplicável.

Com a ampla variedade de bibliotecas disponíveis, você pode escolher a que melhor atenda às suas necessidades de desenvolvimento.

Arduino
Coautor
Betobyte
Autor
Autores
||| Áreas ||| Estatística ||| Python ||| Projetos ||| Dicas & Truques ||| Quantum ||| Python para Iniciantes || Python para Iniciantes || Python Básico || Matplotlib || Numpy || Seaborn || Pandas || Django || Estatística para Cientistas de Dados || Python com ML Básico || Python com ML Básico || Aulas | Introdução (Instalação, variáveis e tipos de dados, operações, formatação e comentários.) | Coleções (Listas, Tuplas, Conjuntos e Dicionários.) | Funções e Módulos (Declaração, argumentos, retorno, recursão, funções lambda.) | Estruturas de Controle (Controle Condicional (if/elif/else, match) e Controle de repetição (for, while).) | Classes (Classes, Herança e Polimorfismo.) | Bibliotecas e Frameworks (Pacotes integrados, instalados e personalizados.) | Manipulação de Arquivos (Manipulação de Arquivos) | Bancos de Dados SQL (MySQL, SQLite e PostgreSQL.) | Capítulo 9 (APIs e Web Scraping) | Capítulo 10 (Projetos Práticos) | Considerações finais () |