Python में psycopg2 के साथ PostgreSQL डेटाबेस प्रबंधित करना

PostgreSQL में टेबल बनाना

datacamp_courses डेटाबेस में आपकी पहली टेबल बनाने का समय आ गया है। हम DataCamp कोर्स कैटलॉग में कुछ पाठ्यक्रमों की जानकारी वाली एक टेबल बनाना चाहते हैं। टेबल की स्कीमा निम्नलिखित है: 

स्पेसिफिकेशन हमें टेबल के कॉलम्स के बारे में काफी जानकारी देता है। टेबल की प्राइमरी की course_id होनी चाहिए, और इसका डेटा टाइप integer होना चाहिए। प्राइमरी की एक Constraint है जो कॉलम के मानों को non-null और अद्वितीय बनाए रखती है। इससे आप टेबल में मौजूद किसी विशिष्ट इंस्टेंस या इंस्टेंसों के सेट की विशिष्ट पहचान कर सकते हैं। 

शेष कॉलम कोर्स के नाम, कोर्स के इंस्ट्रक्टर के नाम और कोर्स के टॉपिक की जानकारी प्रदान करते हैं।

टेबल बनाने से पहले, यह समझना महत्वपूर्ण है कि आपने जो कनेक्शन इंस्टेंस बनाया है, वह कैसे काम करता है। मूल रूप से, कनेक्शन एक डेटाबेस सत्र को समाहित करता है, और यह आपको cursor() मेथड का उपयोग करके SELECT, INSERT, CREATE, UPDATE, या DELETE जैसी SQL कमांड और क्वेरी चलाने देता है, और commit() मेथड से बदलावों को स्थायी बनाता है। 

एक बार कर्सर इंस्टेंस बना लेने के बाद, आप execute() मेथड से डेटाबेस को कमांड भेज सकते हैं और fetchone(), fetchmany() या fetchall() का उपयोग करके टेबल से डेटा प्राप्त कर सकते हैं।

अंत में, जब भी आप अपने ऑपरेशंस पूरा कर लें, कर्सर और डेटाबेस से कनेक्शन बंद करना महत्वपूर्ण है। अन्यथा, ये सर्वर-साइड स्रोतों पर कब्जा बनाए रखेंगे। इसके लिए आप close() मेथड का उपयोग कर सकते हैं।

नीचे datacamp_courses टेबल बनाने का कोड दिया गया है:

# Open a cursor to perform database operations
cur = conn.cursor()
# Execute a command: create datacamp_courses table
cur.execute("""CREATE TABLE datacamp_courses(
            course_id SERIAL PRIMARY KEY,
            course_name VARCHAR (50) UNIQUE NOT NULL,
            course_instructor VARCHAR (100) NOT NULL,
            topic VARCHAR (20) NOT NULL);
            """)
# Make the changes to the database persistent
conn.commit()
# Close cursor and communication with the database
cur.close()
conn.close()संचालित द्वारा

यह PostgreSQL पर टेबल बनाने का एक बहुत बुनियादी उदाहरण है, लेकिन चीजें इससे कहीं अधिक जटिल हो सकती हैं। यदि आप PostgreSQL डेटाबेस बनाना, उसकी संरचना, डेटा टाइप्स और डेटाबेस को नॉर्मलाइज़ करना सीखना चाहते हैं, तो हमारा Creating PostgreSQL Database पाठ्यक्रम देखें।

Python में बुनियादी PostgreSQL क्वेरी चलाना

datacamp_courses टेबल तैयार है; अब SQL का उपयोग करके कुछ बुनियादी क्वेरी चलाने का समय है!

INSERT 

आपने देखा होगा कि टेबल में अब तक कोई मान नहीं हैं। datacamp_courses टेबल में रिकॉर्ड बनाने के लिए हमें INSERT कमांड की आवश्यकता होगी।

cur = conn.cursor()

cur.execute("INSERT INTO datacamp_courses(course_name, course_instructor, topic) VALUES('Introduction to SQL','Izzy Weber','Julia')");

cur.execute("INSERT INTO datacamp_courses(course_name, course_instructor, topic) VALUES('Analyzing Survey Data in Python','EbunOluwa Andrew','Python')");

cur.execute("INSERT INTO datacamp_courses(course_name, course_instructor, topic) VALUES('Introduction to ChatGPT','James Chapman','Theory')");

cur.execute("INSERT INTO datacamp_courses(course_name, course_instructor, topic) VALUES('Introduction to Statistics in R','Maggie Matsui','R')");

cur.execute("INSERT INTO datacamp_courses(course_name, course_instructor, topic) VALUES('Hypothesis Testing in Python','James Chapman','Python')");

conn.commit()
cur.close()
conn.close()संचालित द्वारा

परिणामी टेबल इस प्रकार दिखती है:

SELECT 

SQL डेटाबेस में डेटा पढ़ना आपकी डेटा साइंस यात्रा में सबसे आम कार्यों में से एक होगा। इसे आमतौर पर SELECT क्वेरी कहा जाता है। फिलहाल, देखते हैं datacamp_courses टेबल में क्या है।

हम क्लासिक SELECT * FROM database_name स्टेटमेंट को कॉल करेंगे ताकि टेबल में उपलब्ध सारा डेटा पढ़ा जा सके। फिर, हम fetchall() मेथड का उपयोग करके सभी उपलब्ध पंक्तियाँ प्राप्त करेंगे। ध्यान दें कि PostgreSQL course_id कॉलम के लिए स्वतः एक संख्यात्मक इंडेक्स बनाता है। 

cur = conn.cursor()
cur.execute('SELECT * FROM datacamp_courses;')
rows = cur.fetchall()
conn.commit()
conn.close()
for row in rows:
    print(row)संचालित द्वारा

(1, 'Introduction to SQL', 'Izzy Weber', 'Julia')
(2, 'Analyzing Survey Data in Python', 'EbunOluwa Andrew', 'Python')
(3, 'Introduction to ChatGPT', 'James Chapman', 'Theory')
(4, 'Introduction to Statistics in R', 'Maggie Matsui', 'R')
(5, 'Hypothesis Testing in Python', 'James Chapman', 'Python')संचालित द्वारा

UPDATE 

डेटा में अक्सर त्रुटियाँ होती हैं। आपने पिछले खंड में देखा होगा कि “Introduction to SQL” कोर्स से जुड़ा टॉपिक Julia है। कोर्स की जानकारी जाँचने पर हमें गलती का पता चला। हमें इसे बदलकर “SQL” लिखने की आवश्यकता है। यह UPDATE स्टेटमेंट से किया जा सकता है:

cur = conn.cursor()
cur.execute("UPDATE datacamp_courses SET topic = 'SQL' WHERE course_name = 'Introduction to SQL';")
conn.commit()
conn.close()संचालित द्वारा

DELETE 

अंत में, आप अपनी टेबल में से किसी एक रिकॉर्ड को हटाना चाह सकते हैं। उदाहरण के लिए, चलिए Introduction to Statistics in R कोर्स को हटाते हैं:

cur = conn.cursor()
cur.execute("""DELETE from datacamp_courses WHERE course_name = 'Introduction to Statistics in R'""");
conn.commit()
cur.close()संचालित द्वारा

Python में उन्नत PostgreSQL क्वेरी

पिछले खंड में, हमने सबसे बुनियादी SQL क्वेरी देखीं। लेकिन सीखने के लिए और भी बहुत कुछ है। आइए कुछ उन्नत क्वेरी देखते हैं।

ORDER BY

मान लीजिए आप अपने डेटाबेस को इंस्ट्रक्टर के नाम के अनुसार सॉर्ट करना चाहते हैं। आप ORDER BY स्टेटमेंट का उपयोग कर सकते हैं:

cur = conn.cursor()

cur.execute('SELECT * FROM datacamp_courses ORDER BY course_instructor')
rows = cur.fetchall()
for row in rows:
    print(row)संचालित द्वारा

(2, 'Analyzing Survey Data in Python', 'EbunOluwa Andrew', 'Python')
(1, 'Introduction to SQL', 'Izzy Weber', 'SQL')
(3, 'Introduction to ChatGPT', 'James Chapman', 'Theory')
(4, 'Hypothesis Testing in Python', 'James Chapman', 'Python')संचालित द्वारा

GROUP BY

आप विभिन्न डेटा समूहों के भीतर कुछ एग्रीगेट फ़ंक्शंस करना चाह सकते हैं। उदाहरण के लिए, आप अलग-अलग इंस्ट्रक्टर्स के अनुसार कोर्सों की संख्या निकालने में रुचि रख सकते हैं। इस तरह के ऑपरेशन आप GROUP BY फ़ंक्शन के साथ कर सकते हैं।

cur = conn.cursor()
cur.execute('SELECT course_instructor, COUNT(*) FROM datacamp_courses GROUP BY course_instructor')
rows = cur.fetchall()
for row in rows:
    print(row)संचालित द्वारा

('James Chapman', 2)
('Izzy Weber', 1)
('EbunOluwa Andrew', 1)संचालित द्वारा

JOIN

अब तक, हमने केवल datacamp_course टेबल के साथ काम किया है। लेकिन आप वास्तव में रिलेशनल डेटाबेस—जैसे PostgreSQL—की पूरी क्षमता का लाभ तभी उठाते हैं जब आप एक साथ कई टेबलों के साथ काम करते हैं। 

कई टेबलों को संयोजित करने का जादुई टूल है JOIN ऑपरेशन। मान लीजिए कि हमारे डेटाबेस में programming_languages नामक दूसरी टेबल है, जिसमें डेटा साइंस के शीर्ष प्रोग्रामिंग भाषाओं के बारे में बुनियादी जानकारी होती है—भाषा का नाम, TIOBE Index में स्थिति, और Datacamp पर उस भाषा से संबंधित कोर्सों की संख्या। टेबल इस प्रकार दिखती है:

मान लें कि आप दोनों टेबलों को मर्ज करना चाहते हैं ताकि कोर्सों की जानकारी के साथ-साथ भाषा की TIOBE इंडेक्स में स्थिति भी मिल सके। हम INNER JOIN का उपयोग करेंगे ताकि केवल उन्हीं प्रोग्रामिंग भाषाओं की जानकारी मिले जो datacamp_course टेबल में दिखाई देती हैं। 

cur = conn.cursor()
cur.execute("""SELECT course_name, course_instructor, topic, tiobe_ranking
FROM datacamp_courses
INNER JOIN programming_languages
ON datacamp_courses.topic = programming_languages.language_name""")
rows = cur.fetchall()
for row in rows:
    print(row)संचालित द्वारा

('Introduction to SQL', 'Izzy Weber', 'SQL', 8)
('Analyzing Survey Data in Python', 'EbunOluwa Andrew', 'Python', 1)
('Hypothesis Testing in Python', 'James Chapman', 'Python', 1)संचालित द्वारा

यह सिर्फ एक उदाहरण है, लेकिन SQL जोइन्स की संभावनाएँ अनंत हैं, इसलिए यह अनिवार्य विषय है। हमारे कोर्स, ट्यूटोरियल, और चीटशीट आपको शुरुआत करने में मदद करेंगे।

SQLAlchemy के साथ शुरुआत

Psycopg2 PostgreSQL डेटाबेस से कनेक्ट करने के लिए एक बढ़िया टूल है। लेकिन अगर आपको अलग-अलग SQL डेटाबेस—जैसे Oracle और MySQL—में होस्ट किए गए डेटाबेस के साथ काम करना पड़े तो? ऐसे परिदृश्यों में, किसी ऐसे टूल का उपयोग करना बेहतर हो सकता है जो अलग-अलग प्रकार के SQL डेटाबेस से कनेक्ट कर सके। इसके लिए SQLAlchemy एक बेहतरीन विकल्प है। 

सरल शब्दों में, SQLAlchemy उपयोगकर्ताओं को Python भाषा का उपयोग करके डेटाबेस से कनेक्ट होने, ऑब्जेक्ट-आधारित प्रोग्रामिंग के जरिए SQL क्वेरी चलाने, और वर्कफ़्लो को सुव्यवस्थित करने की सुविधा देता है। 

हालाँकि psycopg2 की तुलना में सिंटैक्स अलग है, आप लगभग वही काम कर सकते हैं। नीचे आप एक उदाहरण देख सकते हैं जिसमें हम अपने datacamp_courses डेटासेट्स से कनेक्ट करने के लिए एक इंजन बनाते हैं, और datacap_course टेबल में उपलब्ध सभी डेटा को पढ़ते हैं

import sqlalchemy as db


engine = db.create_engine("postgresql://datacamp@localhost:5432/datacamp_courses")
conn = engine.connect() 
output = conn.execute("SELECT * FROM datacamp_courses")
print(output.fetchall())
conn.close()संचालित द्वारा

[(3, 'Introduction to ChatGPT', 'James Chapman', 'Theory'),
 (5, 'Hypothesis Testing in Python', 'James Chapman', 'Python'),
 (2, 'Analyzing Survey Data in Python', 'EbunOluwa Andrew', 'Python'),
 (1, 'Introduction to SQL', 'Izzy Weber', 'SQL')]संचालित द्वारा

SQLAlchemy भी सीखने लायक एक और बेहतरीन टूल है। इस टूल का कामकाज झलकियों में देखने के लिए हमारा SQLALchemy Tutorial देखें।  

DataCamp DataLab में PostgreSQL का उपयोग

DataCamp में, हम डेटा साइंस को आसान और सभी के लिए सुलभ बनाने के लिए कड़ी मेहनत करते हैं। यही DataCamp DataLab—डेटा साइंस के लिए विशेष रूप से डिज़ाइन किया गया क्लाउड-आधारित नोटबुक—बनाने के पीछे का कारण था। आप DataCamp DataLab को Jupyter Notebook और Google Docs के मिश्रण के रूप में सोच सकते हैं, जो उपयोगकर्ताओं को अकेले या सामूहिक रूप से कोड लिखने, डेटा विश्लेषण करने और इनसाइट्स साझा करने देता है।

DataLab को PostgreSQL सहित अन्य SQL डेटाबेस से जोड़ना बेहद आसान है। DataLab आपको डेटा स्रोतों से सुरक्षित रूप से कनेक्ट होने देता है। साथ ही, आप Python या R के साथ अपना डेटा विश्लेषण निर्बाध रूप से जारी रख सकते हैं। आपको बस एक इंटीग्रेशन बनाना है—एक सीधी, नो-कोड प्रक्रिया का पालन करके—जहाँ आपको अपने कनेक्शन क्रेडेंशियल्स दर्ज करने होंगे।

अंत में, यदि आप इंटीग्रेशन आज़माना चाहते हैं लेकिन कनेक्ट करने के लिए आपके पास कोई PostgreSQL डेटाबेस नहीं है, तो आप हमारे सैंपल PostgreSQL डेटाबेस में से किसी का उपयोग कर सकते हैं!

DataCamp DataLab के बारे में जिज्ञासु हैं? डेटा साइंस के लिए इस नेक्स्ट-जेनरेशन नोटबुक के बारे में और जानें।

निष्कर्ष

शानदार काम! इस ट्यूटोरियल में, आपने PostgreSQL से परिचय पाया और psycopg2 पैकेज का उपयोग करके Python से बाहर निकले बिना डेटाबेस प्रबंधित करना सीखा। लेकिन यह यात्रा की केवल शुरुआत है। SQL डेटा साइंस में सबसे व्यापक रूप से उपयोग की जाने वाली प्रोग्रामिंग भाषाओं में से एक है। इसे सीखना भी काफ़ी आसान है, तो अब कोई बहाना नहीं।  

सौभाग्य से, Datacamp आपकी मदद के लिए तैयार है। यहाँ कुछ संसाधन हैं जो आपको PostgreSQL—और सामान्य रूप से SQL—में दक्ष बनने में मदद कर सकते हैं:

• Beginner Introductions to PostgreSQL Tutorial
• Creating PostgreSQL Databases Course
• Improving Query Performance in PostgreSQL Course
• Managing Databases in SQL Course
• Functions for Manipulating Data in PostgreSQL Course