PostgreSQL与Python交互教程：从连接到数据处理，附电商场景实战案例

做数据分析或开发的朋友，是不是总在数据库和 Python 之间来回折腾？想把 PostgreSQL 里的数据用 Python 处理，却卡在连接环节，代码写了半天连不上库；好不容易连上了，增删改查又频频报错，数据处理效率低得让人着急？别愁，今天兔子哥就带大家搞定 PostgreSQL 与 Python 的交互，从基础连接讲到数据处理，还附上个电商场景的实战案例，哪怕你是刚上手的新手，跟着学也能轻松上手，一起往下看吧！

一、先搞懂：为啥要让 PostgreSQL 和 Python “合作”？

可能有朋友会问，数据库能存数据，Python 能处理数据，各用各的不行吗？还真不行！实际工作中，咱们常需要用 Python 从数据库取数据做分析、画图表，或者用 Python 把爬来的数据存进数据库，两者配合才能效率翻倍。你看这些常见场景：

• 电商用 Python 从 PostgreSQL 取订单数据，做销量分析和可视化报表；
• 爬虫把爬来的商品信息，通过 Python 批量存进 PostgreSQL 数据库；
• 数据分析用 Python 处理数据库里的用户行为数据，挖消费规律。

有个做电商运营的朋友说：“之前手动从数据库导数据到 Excel，再用 Python 处理，光导数据就花半小时。学会用 Python 直接连数据库后，一行代码取数，效率提了不止一倍！” 所以啊，学会两者交互，能省不少冤枉时间。

二、基础准备：Python 连 PostgreSQL，这两步先做好

想让 Python 和 PostgreSQL “对话”，得先搭好桥梁，这两步千万别少：

1. 装个 “连接器”：psycopg2 库安排上

Python 不能直接连 PostgreSQL，得用专门的库，最常用的就是 psycopg2，安装超简单，打开命令行敲：
bash

pip install psycopg2-binary

为啥用psycopg2-binary？因为它是简化版，不用装额外依赖，新手不容易出错。等安装完成，Python 里就能导入这个库了，这就像给两者安了个 “对讲机”。

2. 准备好连接信息：数据库 “地址” 别填错

连数据库前，得知道 “往哪连”，这几个信息必须记牢：

• 数据库地址（host）：本地的话一般是localhost，远程的就是服务器 IP；
• 端口（port）：PostgreSQL 默认是5432，没改过的话不用动；
• 数据库名（dbname）：你要连的数据库名字，比如ecommerce；
• 用户名（user）：登录数据库的用户名，默认常是postgres；
• 密码（password）：登录密码，安装时设的那个别忘啦。

把这些信息记在小本本上，等下写代码要用，少一个都连不上哦。

三、核心操作：Python 连 PostgreSQL 全流程，一步一步来

1. 写段连接代码：让两者 “握手成功”

准备工作做好，就能写连接代码了，模板给你备好，改改信息就能用：
python

import psycopg2# 填自己的数据库信息conn = psycopg2.connect(host="localhost",port="5432",dbname="ecommerce",user="postgres",password="你的密码")# 创建游标，用来执行SQLcur = conn.cursor()# 测试下是否连上print("连接成功！")# 用完记得关游标和连接，不然占资源cur.close()conn.close()

运行这段代码，没报错还打印 “连接成功”，就说明两者 “握手” 成功啦。有新手第一次连时报错，多半是密码填错或数据库名不对，仔细核对下信息就行。

2. 查数据：用 Python 从数据库 “取” 东西

连上后第一件事就是查数据，比如从电商订单表查最近 10 条订单：
python

# 接上面的连接代码cur = conn.cursor()# 写SQL查询语句sql = "SELECT order_id, user_id, total_amount FROM orders LIMIT 10;"cur.execute(sql)  # 执行SQL# 取查询结果results = cur.fetchall()  # 取所有结果for row in results:print(f"订单号：{row[0]}, 用户ID：{row[1]}, 金额：{row[2]}")# 关连接cur.close()conn.close()

fetchall()是取所有结果，想取一条用fetchone()，取前 N 条用fetchmany(N)，按需选用就行。运行后就能在 Python 里看到数据库的数据，是不是很神奇？

3. 存数据：用 Python 往数据库 “存” 东西

爬了数据想存进数据库？用INSERT语句就行，比如存一条新订单：
python

# 接连接代码cur = conn.cursor()# 写插入SQL，用%s当占位符，安全不容易出错sql = """INSERT INTO orders (order_id, user_id, total_amount, order_time)VALUES (%s, %s, %s, %s);"""# 要插入的数据data = ("2024001", "user100", 299.9, "2024-05-20 14:30:00")cur.execute(sql, data)  # 执行插入conn.commit()  # 提交事务，不然数据存不进去！print("数据插入成功！")cur.close()conn.close()

这里要注意，插入、更新、删除后必须用conn.commit()提交，不然数据白存了，这是新手最容易忘的一步，记牢咯！

4. 更安全的写法：用 with 语句自动关连接

手动关连接容易忘，用 with 语句更省心，自动处理连接关闭：
python

with psycopg2.connect(host="localhost",dbname="ecommerce",user="postgres",password="你的密码") as conn:with conn.cursor() as cur:cur.execute("SELECT * FROM products LIMIT 5;")print(cur.fetchall())# 不用手动close，with结束会自动关，超方便

四、电商场景实战：用 Python 处理订单数据，超实用

光说不练假把式，咱们用电商场景实战下，看看怎么用 Python 和 PostgreSQL 配合干活：

场景：分析近 30 天订单数据，算销量 Top3 商品

步骤很简单，跟着做就行：

1. 准备工作：假设 PostgreSQL 里有个orders表（订单）和order_items表（订单项），存了订单 ID、商品 ID、数量、金额等数据。
2. 用 Python 连数据库取数据：

python

import psycopg2import pandas as pd  # 用pandas处理数据更方便# 连接数据库with psycopg2.connect(host="localhost",dbname="ecommerce",user="postgres",password="你的密码") as conn:# 查近30天订单项数据sql = """SELECT product_id, SUM(quantity) as total_qtyFROM order_itemsWHERE order_time >= CURRENT_DATE - INTERVAL '30 days'GROUP BY product_idORDER BY total_qty DESCLIMIT 3;"""# 用pandas直接读成DataFramedf = pd.read_sql(sql, conn)# 打印结果print("近30天销量Top3商品：")print(df)

1. 结果可视化：用 matplotlib 画个柱状图，更直观：

python

import matplotlib.pyplot as pltplt.bar(df['product_id'], df['total_qty'])plt.xlabel('商品ID')plt.ylabel('销量')plt.title('近30天销量Top3商品')plt.show()

这样一套操作下来，从数据库取数到分析可视化全搞定，比手动处理快多了。有朋友用这方法做周报，之前花半天，现在半小时就搞定，还不容易出错。

五、常见问题自问自答，帮你避坑

问题 1：连数据库时报 “password authentication failed”？

答：十有八九是密码错了，或者用户名不对。先确认密码是不是安装时设的那个，用户名默认是postgres，如果改过就用改过的名字。

问题 2：插入数据后数据库里看不到？

答：肯定是没写conn.commit()！PostgreSQL 默认需要手动提交事务，插入、更新、删除后必须加这句，查询不用哦。

问题 3：处理大量数据时 Python 卡得不行？

答：别用fetchall()一次性取太多数据，用fetchmany(1000)分批取，处理完一批再取下一批，内存就不会爆了。

兔子哥的小建议

PostgreSQL 和 Python 交互不难，关键是多练基础操作：连接、查询、插入这三板斧练熟了，大部分场景都能应付。新手刚开始可以从查数据入手，慢慢尝试插入、更新，一步一步来。
记得写代码时加异常处理，比如连接失败、SQL 错误时能提示，这样出问题了好排查，比如：
python

try:# 连接数据库代码except Exception as e:print(f"出错啦：{e}")

平时多结合实际场景练，比如爬点数据存数据库，或者从数据库取数做分析，练多了自然就熟了。两者配合好了，数据处理效率能提一大截，工作也能轻松不少，希望这篇教程能帮到你，加油哦！

标签： PostgreSQL