数据分析师福利！Python SQLAlchemy 连接数据库+各类查询大全

在上手之前先确保你的这些软件/第三方库已经装好，可以使用：

oracle database 11g 客户端+服务端
python 3.7.7
注：如果你的python是64位的， oracle database的客户端也要求是64位。
cx-Oracle 7.3.0
注：连接ORACLEDB需要装cx_oracle，连接MYSQL需要装pymysql，连接Hadoop（HDFS）需要装pyhive。无论操作什么数据库，SQLAlchemy的查询语法几乎一致，代码可重用性高。而原生SQL是存在语法差异的，同一SQL语句，换个数据库就可能运行不了了。
SQLAlchemy 1.3.16
pandas 1.0.3
如果pandas安装成功但是import pandas失败（WIN10系统），请将concrt140.dll、msvcp140.dll放到python的安装目录下。如图：

绿色版动态运行库

或者安装这个：

从微软官网下载的安装版运行库

pandas是一个数据分析库，完虐EXCEL。笔者学会用Python之后就把Office卸载了。

没错，就是这么干净

笔者是一个重度洁癖患者，Python和VSCode都用绿色版。
oracle客户端用的也是绿色版，服务端没办法弄绿色版，就装在自家的一台服务器上，通过局域网访问。

准备演示数据库

为了演示，先创建表和数据：
新建cmd终端用数据库管理员登录oracle database：

> sqlplus sys/123456 as sysdba

创建新用户

>>> create user abc identified by 123;

授予DBA权限

grant connect,resource,dba to abc;

用新的用户登录

> sqlplus abc/321

创建第一张表

>>> CREATE TABLE Websites
(
id integer PRIMARY KEY,
name varchar(255),
url varchar(255),
alexa integer,
country varchar(255)
);

向第一张表插入数据

>>> INSERT INTO Websites (id, name, url, alexa, country)
VALUES ('1','Google','https://www.google.cm/','1','USA');
>>> INSERT INTO Websites (id, name, url, alexa, country)
VALUES ('2','淘宝','https://www.taobao.com/','13','CN');
>>> INSERT INTO Websites (id, name, url, alexa, country)
VALUES ('3','菜鸟教程','http://www.runoob.com/','4689','CN');
>>> INSERT INTO Websites (id, name, url, alexa, country)
VALUES ('4','微博','http://weibo.com/','20','CN');
>>> INSERT INTO Websites (id, name, url, alexa, country)
VALUES ('5','Facebook','https://www.facebook.com/','3','USA');
>>> INSERT INTO Websites (id, name, url, alexa, country)
VALUES ('6','百度','https://www.baidu.com/','4','CN');
>>> INSERT INTO Websites (id, name, url, alexa, country)
VALUES ('7','stackoverflow','http://stackoverflow.com/','0','IND');

查看数据

>>> select * from Websites;
+----+---------------+---------------------------+-------+---------+
| id | name          | url                       | alexa | country |
+----+---------------+---------------------------+-------+---------+
| 1  | Google        | https://www.google.cm/    | 1     | USA     |
| 2  | 淘宝          | https://www.taobao.com/   | 13    | CN      |
| 3  | 菜鸟教程      | http://www.runoob.com/    | 4689  | CN      |
| 4  | 微博          | http://weibo.com/         | 20    | CN      |
| 5  | Facebook      | https://www.facebook.com/ | 3     | USA     |
| 6  | 百度          | https://www.baidu.com/    | 4     | CN      |
| 7  | stackoverflow | http://stackoverflow.com/ | 0     | IND     |
+----+---------------+---------------------------+-------+---------+

创建第二张表

>>> CREATE TABLE access_log
(
aid integer PRIMARY KEY,
site_id integer,
count integer,
col_date date,
CONSTRAINT fk_site_id FOREIGN KEY (site_id) REFERENCES Websites(id)
);

插入数据

>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('1','1','45',to_date('2016-05-10','yyyy-mm-dd'));
>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('2','3','100',to_date('2016-05-13','yyyy-mm-dd'));
>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('3','1','230',to_date('2016-05-14','yyyy-mm-dd'));
>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('4','2','10',to_date('2016-05-14','yyyy-mm-dd'));
>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('5','5','205',to_date('2016-05-14','yyyy-mm-dd'));
>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('6','4','13',to_date('2016-05-15','yyyy-mm-dd'));
>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('7','3','220',to_date('2016-05-15','yyyy-mm-dd'));
>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('8','5','545',to_date('2016-05-16','yyyy-mm-dd'));
>>> INSERT INTO access_log (aid,site_id,count,col_date)
VALUES ('9','3','201',to_date('2016-05-17','yyyy-mm-dd'));

查看数据

>>> select * from access_log
+-----+---------+-------+------------+
| aid | site_id | count | col_date   |
+-----+---------+-------+------------+
|   1 |       1 |    45 | 2016-05-10 |
|   2 |       3 |   100 | 2016-05-13 |
|   3 |       1 |   230 | 2016-05-14 |
|   4 |       2 |    10 | 2016-05-14 |
|   5 |       5 |   205 | 2016-05-14 |
|   6 |       4 |    13 | 2016-05-15 |
|   7 |       3 |   220 | 2016-05-15 |
|   8 |       5 |   545 | 2016-05-16 |
|   9 |       3 |   201 | 2016-05-17 |
+-----+---------+-------+------------+

创建第三张表

>>> CREATE TABLE apps
(
id integer PRIMARY KEY,
app_name varchar(255),
url varchar(255),
country varchar(255)
);

插入数据

>>> INSERT INTO apps (id,app_name,url,country)
VALUES ('1','QQ APP','http://im.qq.com/','CN');
>>> INSERT INTO apps (id,app_name,url,country)
VALUES ('2','微博 APP','http://weibo.com/','CN');
>>> INSERT INTO apps (id,app_name,url,country)
VALUES ('3','淘宝 APP','https://www.taobao.com/','CN');

查看表

>>> select * from apps
+----+------------+-------------------------+---------+
| id | app_name   | url                     | country |
+----+------------+-------------------------+---------+
|  1 | QQ APP     | http://im.qq.com/       | CN      |
|  2 | 微博 APP   | http://weibo.com/       | CN      |
|  3 | 淘宝 APP   | https://www.taobao.com/ | CN      |
+----+------------+-------------------------+---------+

至此，表创建完毕。

用SQLAclemy ORM连接数据库

打开python交互，开始编写程序

>>> import  os
>>> os.environ["PATH"] += "D:\\oracle"#添加环境变量，是Oracle数据库客户端绿色版实例zip文件的解压目录，注意这里不是sys.path，“sys.path”是Python在import时搜索包的路径。
>>> os.environ["NLS_LANG"] = "SIMPLIFIED CHINESE_CHINA.UTF8"#解决Oracle编码问题
>>> from sqlalchemy import create_engine
>>> from sqlalchemy import MetaData, Table
>>> from sqlalchemy.orm import sessionmaker
>>> import pandas as pd
>>> from sqlalchemy import func

创建数据库连接（只是创建连接，还没有绑定到MetaData）
注：这里展示的是连接ORACLE，连接其他数据库的格式基本相同，详见SQLAclemy文档。
如果要as sysdba登录，换成'oracle://abc:123@127.0.0.1:1521/orcl?mode=SYSDBA'

>>> engine = create_engine('oracle://abc:123@127.0.0.1:1521/orcl', encoding='utf8', convert_unicode=True, echo = False)

准备反射已有表，创建元数据对象（数据库连接绑定到MetaData）

>>> metadata = MetaData(bind=engine)

反射整个数据库（这才真正开始操作数据库）

>>> metadata.reflect()
>>> print(metadata.tables.keys())#获取所有的表名
dict_keys(['apps', 'access_log', 'websites'])

反射单表

>>> #反射表一
>>> web_t = Table('websites', metadata, autoload=True, autoload_with=engine)
>>> web = web_t.alias('web')#起个别名
>>> #反射表二
>>> acc_t = Table('access_log', metadata, autoload=True,autoload_with=engine)
>>> acc = acc_t.alias('acc')#起个别名
>>> #反射表三
>>> app_t = Table('apps', metadata, autoload=True,autoload_with=engine)
>>> app = app_t.alias('app')#起个别名

>>> # 列出所有的字段名
>>> web_col_name = [eval('u'+repr(i)) for i in web.columns.keys()]
>>> acc_col_name = [eval('u'+repr(i)) for i in acc.columns.keys()]
>>> app_col_name = [eval('u'+repr(i)) for i in app.columns.keys()]
>>> print(web_col_name,acc_col_name,app_col_name)
['id', 'name', 'url', 'alexa', 'country'] ['aid', 'site_id', 'count', 'col_date'] ['id', 'app_name', 'url', 'country']

这样起别名也是一样的，缺点是多导了个函数：

from sqlalchemy.orm import aliased
web = aliased(web_t,name='web')

关于跨库查询：
假设我的数据库实例ORCL中还有另外两个用户，'def','ghi'。
'def'下有表'A','ghi'下有表'B'，用户‘abc’对'def','ghi'下的表'A'、'B'拥有查询的权限。
只需这么做：

from sqlalchemy.ext.automap import automap_base
autobase = automap_base()
sc = ['def','ghi']
for i in sc:
    autobase.metadata.reflect(engine, schema=i)
autobase.prepare()
autobase.metadata.bind = engine
A_t = Table('def.A', autobase.metadata, autoload=True, autoload_with=engine)
B_t = Table('ghi.B', autobase.metadata, autoload=True, autoload_with=engine)
autobase.metadata.reflect(views=True)#views=True可以把视图的表也弄进来
web_t = Table('websites', autobase.metadata, autoload=True, autoload_with=engine)

这样就能在一次查询中同时使用web_t、A_t、B_t这三张表了，别忘了起别名，不然容易报“标识符过长”的错误。

============基础查询============

ORM对表查询的操作，需要先创建一个全局session实例，通过这个session向数据库提交语句。

>>>Session = sessionmaker()
>>>session = Session()

别名

表别名：反射表的时候已经介绍了给表起别名的操作，翻译成SQL是这样的：

>>> SQL = '''SELECT w.name FROM websites w'''
>>> pd.read_sql(SQL,engine)
            name
0         Google
1             淘宝
2           菜鸟教程
3             微博
4       Facebook
5             百度
6  stackoverflow

下面讲字段别名
原生SQL 给字段起别名

>>> SQL = "SELECT name AS n, country AS c FROM Websites"
>>> pd.read_sql(SQL,engine)
               n    c
0         Google  USA
1             淘宝   CN
2           菜鸟教程   CN
3             微博   CN
4       Facebook  USA
5             百度   CN
6  stackoverflow  IND

ORM 给字段起别名

>>> ret = session.query(web.c.name.label('n'),web.c.country.label('c'))
>>> pd.DataFrame(ret.all())
               n    c
0         Google  USA
1             淘宝   CN
2           菜鸟教程   CN
3             微博   CN
4       Facebook  USA
5             百度   CN
6  stackoverflow  IND

查询整张表

SELECT 语句

原生SQL

>>> SQL = 'SELECT * FROM Websites'
>>> pd.read_sql(SQL,engine)
   id           name                        url  alexa country
0   1         Google     https://www.google.cm/      1     USA
1   2             淘宝    https://www.taobao.com/     13      CN
2   3           菜鸟教程     http://www.runoob.com/   4689      CN
3   4             微博          http://weibo.com/     20      CN
4   5       Facebook  https://www.facebook.com/      3     USA
5   6             百度     https://www.baidu.com/      4      CN
6   7  stackoverflow  http://stackoverflow.com/      0     IND

ORM

>>> ret = session.query(web)
>>> pd.DataFrame(ret.all())
   id           name                        url  alexa country
0   1         Google     https://www.google.cm/      1     USA
1   2             淘宝    https://www.taobao.com/     13      CN
2   3           菜鸟教程     http://www.runoob.com/   4689      CN
3   4             微博          http://weibo.com/     20      CN
4   5       Facebook  https://www.facebook.com/      3     USA
5   6             百度     https://www.baidu.com/      4      CN
6   7  stackoverflow  http://stackoverflow.com/      0     IND
>>> pd.read_sql("access_log",engine)
   aid  site_id  count   col_date
0    1        1     45 2016-05-10
1    2        3    100 2016-05-13
2    3        1    230 2016-05-14
3    4        2     10 2016-05-14
4    5        5    205 2016-05-14
5    6        4     13 2016-05-15
6    7        3    220 2016-05-15
7    8        5    545 2016-05-16
8    9        3    201 2016-05-17

查询部分表

ORM

>>> ret.first()
(1, 'Google', 'https://www.google.cm/', 1, 'USA')

>>> ret = session.query(web).slice(1,3)
>>> pd.DataFrame(ret.all())
   id  name                      url  alexa country
0   2    淘宝  https://www.taobao.com/     13      CN
1   3  菜鸟教程   http://www.runoob.com/   4689      CN

带条件查询

WHERE 子句

原生SQL

>>> SQL = "SELECT url,alexa FROM Websites WHERE name='淘宝'"
>>> pd.read_sql(SQL,engine)
                       url  alexa
0  https://www.taobao.com/     13

ORM 用表别名对象.c.字段名访问字段

>>> ret = session.query(*[web.c.url,web.c.alexa]).filter(web.c.name == '淘宝')
>>> pd.DataFrame(ret.all())
                       url  alexa
0  https://www.taobao.com/     13

原生SQL

>>> SQL = "SELECT url,alexa FROM Websites WHERE id>2 AND country = 'CN'"
>>> pd.read_sql(SQL,engine)
                      url  alexa
0  http://www.runoob.com/   4689
1       http://weibo.com/     20
2  https://www.baidu.com/      4

ORM

>>> ret = session.query(web.c.url,web.c.alexa).filter(web.c.id > 2, web.c.country == "CN")
>>> pd.DataFrame(ret.all())
                      url  alexa
0  http://www.runoob.com/   4689
1       http://weibo.com/     20
2  https://www.baidu.com/      4

多条件查询

先导入几个必要的函数

>>> from sqlalchemy import or_, and_, case

AND OR

原生SQL

>>> SQL = "SELECT * FROM Websites WHERE id<=2 or id>2 AND country = 'CN'"
>>> pd.read_sql(SQL,engine)
   id    name                      url  alexa country
0   1  Google   https://www.google.cm/      1     USA
1   2      淘宝  https://www.taobao.com/     13      CN
2   3    菜鸟教程   http://www.runoob.com/   4689      CN
3   4      微博        http://weibo.com/     20      CN
4   6      百度   https://www.baidu.com/      4      CN

ORM

>>> ret = session.query(web).filter(or_(web.c.id<=2, and_(web.c.id>2, web.c.country == "CN")))
>>> pd.DataFrame(ret.all())
   id    name                      url  alexa country
0   1  Google   https://www.google.cm/      1     USA
1   2      淘宝  https://www.taobao.com/     13      CN
2   3    菜鸟教程   http://www.runoob.com/   4689      CN
3   4      微博        http://weibo.com/     20      CN
4   6      百度   https://www.baidu.com/      4      CN

LIKE/NOT LIKE 与通配符%

原生SQL

>>> SQL = "SELECT * FROM Websites WHERE url NOT LIKE '%.com%'"
>>> pd.read_sql(SQL,engine)
   id    name                     url  alexa country
0   1  Google  https://www.google.cm/      1     USA

ORM “~”代表反

>>> ret = session.query(web).filter(~web.c.url.like("%.com%"))
>>> pd.DataFrame(ret.all())
   id    name                     url  alexa country
0   1  Google  https://www.google.cm/      1     USA

>>> ret = session.query(web).filter(~web.c.url.ilike("%.com%"))#不区分大小写用ilike
>>> pd.DataFrame(ret.all())
   id    name                     url  alexa country
0   1  Google  https://www.google.cm/      1     USA

IN/NOT IN

原生SQL （要NOT IN只要在前面加 “NOT”）

>>> SQL = "SELECT * FROM Websites WHERE name IN ('Google','菜鸟教程')"
>>> pd.read_sql(SQL,engine)
   id    name                     url  alexa country
0   1  Google  https://www.google.cm/      1     USA
1   3    菜鸟教程  http://www.runoob.com/   4689      CN

ORM （要not in 只要在前面加 “~”）

>>> ret = session.query(web).filter(web.c.name.in_(['Google','菜鸟教程']))
>>> pd.DataFrame(ret.all())
   id    name                     url  alexa country
0   1  Google  https://www.google.cm/      1     USA
1   3    菜鸟教程  http://www.runoob.com/   4689      CN

IS NULL/IS NOT NULL

原生SQL

>>> SQL = "SELECT * FROM Websites WHERE name IS NULL"
>>> pd.read_sql(SQL,engine)
Empty DataFrame
Columns: [id, name, url, alexa, country]
Index: []

ORM

>>> ret = session.query(web).filter(web.c.name.is_(None))
>>> pd.DataFrame(ret.all())
Empty DataFrame
Columns: []
Index: []

>>> ret = session.query(web).filter(web.c.name == None)#或者这样
>>> pd.DataFrame(ret.all())
Empty DataFrame
Columns: []
Index: []

原生SQL

>>> SQL = "SELECT * FROM Websites WHERE name IS NOT NULL"
>>> pd.read_sql(SQL,engine)
   id           name                        url  alexa country
0   1         Google     https://www.google.cm/      1     USA
1   2             淘宝    https://www.taobao.com/     13      CN
2   3           菜鸟教程     http://www.runoob.com/   4689      CN
3   4             微博          http://weibo.com/     20      CN
4   5       Facebook  https://www.facebook.com/      3     USA
5   6             百度     https://www.baidu.com/      4      CN
6   7  stackoverflow  http://stackoverflow.com/      0     IND

ORM

>>> ret = session.query(web).filter(web.c.name.isnot(None))
>>> pd.DataFrame(ret.all())
   id           name                        url  alexa country
0   1         Google     https://www.google.cm/      1     USA
1   2             淘宝    https://www.taobao.com/     13      CN
2   3           菜鸟教程     http://www.runoob.com/   4689      CN
3   4             微博          http://weibo.com/     20      CN
4   5       Facebook  https://www.facebook.com/      3     USA
5   6             百度     https://www.baidu.com/      4      CN
6   7  stackoverflow  http://stackoverflow.com/      0     IND

>>> ret = session.query(web).filter(web.c.name != None)#或者这样
>>> pd.DataFrame(ret.all())
   id           name                        url  alexa country
0   1         Google     https://www.google.cm/      1     USA
1   2             淘宝    https://www.taobao.com/     13      CN
2   3           菜鸟教程     http://www.runoob.com/   4689      CN
3   4             微博          http://weibo.com/     20      CN
4   5       Facebook  https://www.facebook.com/      3     USA
5   6             百度     https://www.baidu.com/      4      CN
6   7  stackoverflow  http://stackoverflow.com/      0     IND

BETWEEN

原生SQL

>>> SQL = "SELECT * FROM Websites WHERE alexa BETWEEN 1 AND 20"
>>> pd.read_sql(SQL,engine)
   id      name                        url  alexa country
0   1    Google     https://www.google.cm/      1     USA
1   2        淘宝    https://www.taobao.com/     13      CN
2   4        微博          http://weibo.com/     20      CN
3   5  Facebook  https://www.facebook.com/      3     USA
4   6        百度     https://www.baidu.com/      4      CN

ORM

>>> ret = session.query(web).filter(web.c.alexa.between(1, 20))
>>> pd.DataFrame(ret.all())
   id      name                        url  alexa country
0   1    Google     https://www.google.cm/      1     USA
1   2        淘宝    https://www.taobao.com/     13      CN
2   4        微博          http://weibo.com/     20      CN
3   5  Facebook  https://www.facebook.com/      3     USA
4   6        百度     https://www.baidu.com/      4      CN

CASE WHEN语句

原生SQL

>>> SQL = '''SELECT name,CASE
... WHEN alexa BETWEEN 1 AND 10 THEN '1 to 10'
... WHEN alexa BETWEEN 11 AND 100 THEN '11 to 100'
... ELSE 'morethen 100'
... END AS class
... FROM Websites'''
>>> pd.read_sql(SQL,engine)
            name         class
0         Google       1 to 10
1             淘宝     11 to 100
2           菜鸟教程  morethen 100
3             微博     11 to 100
4       Facebook       1 to 10
5             百度       1 to 10
6  stackoverflow  morethen 100

ORM

>>> ret = session.query(web.c.name,case([(web.c.alexa.between(1,10),'1 to 10'),(web.c.alexa.between(11,100),'11 to 100')],else_='morethen 100').label('class'))
>>> pd.DataFrame(ret.all())
            name         class
0         Google       1 to 10
1             淘宝     11 to 100
2           菜鸟教程  morethen 100
3             微博     11 to 100
4       Facebook       1 to 10
5             百度       1 to 10
6  stackoverflow  morethen 100

数据整理查询

去重 SELECT DISTINCT

>>> from sqlalchemy import distinct

原生SQL

>>> SQL = "SELECT DISTINCT country FROM Websites"
>>> pd.read_sql(SQL,engine)
  country
0     USA
1     IND
2      CN

ORM

>>> ret = session.query(web.c.country).distinct()
>>> pd.DataFrame(ret.all())
  country
0     USA
1     IND
2      CN

或者

>>> ret = session.query(distinct(web.c.country).label('country'))
>>> pd.DataFrame(ret.all())
  country
0     USA
1     IND
2      CN

排序 ORDER BY

原生SQL

>>> SQL = "SELECT * FROM Websites ORDER BY alexa ASC"#ASC正序
>>> SQL = "SELECT * FROM Websites ORDER BY alexa DESC"#DESC倒序
>>> pd.read_sql(SQL,engine)
   id           name                        url  alexa country
0   3           菜鸟教程     http://www.runoob.com/   4689      CN
1   4             微博          http://weibo.com/     20      CN
2   2             淘宝    https://www.taobao.com/     13      CN
3   6             百度     https://www.baidu.com/      4      CN
4   5       Facebook  https://www.facebook.com/      3     USA
5   1         Google     https://www.google.cm/      1     USA
6   7  stackoverflow  http://stackoverflow.com/      0     IND

ORM

>>> ret = session.query(web).order_by(web.c.alexa.asc())# 正序
>>> ret = session.query(web).order_by(web.c.alexa.desc())# 倒序
>>> pd.DataFrame(ret.all())
   id           name                        url  alexa country
0   3           菜鸟教程     http://www.runoob.com/   4689      CN
1   4             微博          http://weibo.com/     20      CN
2   2             淘宝    https://www.taobao.com/     13      CN
3   6             百度     https://www.baidu.com/      4      CN
4   5       Facebook  https://www.facebook.com/      3     USA
5   1         Google     https://www.google.cm/      1     USA
6   7  stackoverflow  http://stackoverflow.com/      0     IND

连表 JOIN ON

原生SQL INNER JOIN 找到符合Websites.id=access_log.site_id的所有一一对应的方案

>>> SQL = """SELECT * FROM Websites JOIN access_log ON Websites.id=access_log.site_id"""
>>> pd.read_sql(SQL,engine)
   id      name                        url  alexa country  aid  site_id  count   col_date
0   1    Google     https://www.google.cm/      1     USA    1        1     45 2016-05-10
1   1    Google     https://www.google.cm/      1     USA    3        1    230 2016-05-14
2   2        淘宝    https://www.taobao.com/     13      CN    4        2     10 2016-05-14
3   3      菜鸟教程     http://www.runoob.com/   4689      CN    2        3    100 2016-05-13
4   3      菜鸟教程     http://www.runoob.com/   4689      CN    9        3    201 2016-05-17
5   3      菜鸟教程     http://www.runoob.com/   4689      CN    7        3    220 2016-05-15
6   4        微博          http://weibo.com/     20      CN    6        4     13 2016-05-15
7   5  Facebook  https://www.facebook.com/      3     USA    8        5    545 2016-05-16
8   5  Facebook  https://www.facebook.com/      3     USA    5        5    205 2016-05-14

>>> SQL = """SELECT * FROM Websites INNER JOIN access_log ON Websites.id=access_log.site_id"""
>>> pd.read_sql(SQL,engine)
   id      name                        url  alexa country  aid  site_id  count   col_date
0   1    Google     https://www.google.cm/      1     USA    1        1     45 2016-05-10
1   1    Google     https://www.google.cm/      1     USA    3        1    230 2016-05-14
2   2        淘宝    https://www.taobao.com/     13      CN    4        2     10 2016-05-14
3   3      菜鸟教程     http://www.runoob.com/   4689      CN    2        3    100 2016-05-13
4   3      菜鸟教程     http://www.runoob.com/   4689      CN    9        3    201 2016-05-17
5   3      菜鸟教程     http://www.runoob.com/   4689      CN    7        3    220 2016-05-15
6   4        微博          http://weibo.com/     20      CN    6        4     13 2016-05-15
7   5  Facebook  https://www.facebook.com/      3     USA    8        5    545 2016-05-16
8   5  Facebook  https://www.facebook.com/      3     USA    5        5    205 2016-05-14

ORM INNER JOIN

>>> ret = session.query(web, acc).filter(web.c.id == acc.c.site_id)#通过filter实现的inner join
>>> pd.DataFrame(ret.all())
   id      name                        url  alexa country  aid  site_id  count   col_date
0   1    Google     https://www.google.cm/      1     USA    1        1     45 2016-05-10
1   1    Google     https://www.google.cm/      1     USA    3        1    230 2016-05-14
2   2        淘宝    https://www.taobao.com/     13      CN    4        2     10 2016-05-14
3   3      菜鸟教程     http://www.runoob.com/   4689      CN    2        3    100 2016-05-13
4   3      菜鸟教程     http://www.runoob.com/   4689      CN    9        3    201 2016-05-17
5   3      菜鸟教程     http://www.runoob.com/   4689      CN    7        3    220 2016-05-15
6   4        微博          http://weibo.com/     20      CN    6        4     13 2016-05-15
7   5  Facebook  https://www.facebook.com/      3     USA    8        5    545 2016-05-16
8   5  Facebook  https://www.facebook.com/      3     USA    5        5    205 2016-05-14

>>> ret = session.query(web, acc).join(acc,web.c.id == acc.c.site_id)#临时定义的inner join
>>> pd.DataFrame(ret.all())
   id      name                        url  alexa country  aid  site_id  count   col_date
0   1    Google     https://www.google.cm/      1     USA    1        1     45 2016-05-10
1   1    Google     https://www.google.cm/      1     USA    3        1    230 2016-05-14
2   2        淘宝    https://www.taobao.com/     13      CN    4        2     10 2016-05-14
3   3      菜鸟教程     http://www.runoob.com/   4689      CN    2        3    100 2016-05-13
4   3      菜鸟教程     http://www.runoob.com/   4689      CN    9        3    201 2016-05-17
5   3      菜鸟教程     http://www.runoob.com/   4689      CN    7        3    220 2016-05-15
6   4        微博          http://weibo.com/     20      CN    6        4     13 2016-05-15
7   5  Facebook  https://www.facebook.com/      3     USA    8        5    545 2016-05-16
8   5  Facebook  https://www.facebook.com/      3     USA    5        5    205 2016-05-14

>>> ret = session.query(web).join(acc)#通过外键的inner left join
>>> pd.DataFrame(ret.all())
   id      name                        url  alexa country
0   1    Google     https://www.google.cm/      1     USA
1   1    Google     https://www.google.cm/      1     USA
2   2        淘宝    https://www.taobao.com/     13      CN
3   3      菜鸟教程     http://www.runoob.com/   4689      CN
4   3      菜鸟教程     http://www.runoob.com/   4689      CN
5   3      菜鸟教程     http://www.runoob.com/   4689      CN
6   4        微博          http://weibo.com/     20      CN
7   5  Facebook  https://www.facebook.com/      3     USA
8   5  Facebook  https://www.facebook.com/      3     USA

>>> ret = session.query(acc).join(web)#通过外键的inner right join
>>> pd.DataFrame(ret.all())
   aid  site_id  count   col_date
0    1        1     45 2016-05-10
1    2        3    100 2016-05-13
2    3        1    230 2016-05-14
3    4        2     10 2016-05-14
4    5        5    205 2016-05-14
5    6        4     13 2016-05-15
6    7        3    220 2016-05-15
7    8        5    545 2016-05-16
8    9        3    201 2016-05-17

原生SQL LEFT JOIN ，右表没有的记录也显示

>>> SQL = """SELECT * FROM Websites LEFT JOIN access_log ON Websites.id=access_log.site_id"""
>>> pd.read_sql(SQL,engine)
    id           name                        url  alexa country  aid  site_id  count   col_date
0    1         Google     https://www.google.cm/      1     USA  1.0      1.0   45.0 2016-05-10
1    1         Google     https://www.google.cm/      1     USA  3.0      1.0  230.0 2016-05-14
2    2             淘宝    https://www.taobao.com/     13      CN  4.0      2.0   10.0 2016-05-14
3    3           菜鸟教程     http://www.runoob.com/   4689      CN  2.0      3.0  100.0 2016-05-13
4    3           菜鸟教程     http://www.runoob.com/   4689      CN  9.0      3.0  201.0 2016-05-17
5    3           菜鸟教程     http://www.runoob.com/   4689      CN  7.0      3.0  220.0 2016-05-15
6    4             微博          http://weibo.com/     20      CN  6.0      4.0   13.0 2016-05-15
7    5       Facebook  https://www.facebook.com/      3     USA  8.0      5.0  545.0 2016-05-16
8    5       Facebook  https://www.facebook.com/      3     USA  5.0      5.0  205.0 2016-05-14
9    6             百度     https://www.baidu.com/      4      CN  NaN      NaN    NaN        NaT
10   7  stackoverflow  http://stackoverflow.com/      0     IND  NaN      NaN    NaN        NaT

ORM 指定isouter=True相当于left join

>>> ret = session.query(web,acc).join(acc, isouter=True)#通过外键的left join
>>> pd.DataFrame(ret.all())
    id           name                        url  alexa country  aid  site_id  count   col_date
0    1         Google     https://www.google.cm/      1     USA  1.0      1.0   45.0 2016-05-10
1    1         Google     https://www.google.cm/      1     USA  3.0      1.0  230.0 2016-05-14
2    2             淘宝    https://www.taobao.com/     13      CN  4.0      2.0   10.0 2016-05-14
3    3           菜鸟教程     http://www.runoob.com/   4689      CN  2.0      3.0  100.0 2016-05-13
4    3           菜鸟教程     http://www.runoob.com/   4689      CN  9.0      3.0  201.0 2016-05-17
5    3           菜鸟教程     http://www.runoob.com/   4689      CN  7.0      3.0  220.0 2016-05-15
6    4             微博          http://weibo.com/     20      CN  6.0      4.0   13.0 2016-05-15
7    5       Facebook  https://www.facebook.com/      3     USA  8.0      5.0  545.0 2016-05-16
8    5       Facebook  https://www.facebook.com/      3     USA  5.0      5.0  205.0 2016-05-14
9    6             百度     https://www.baidu.com/      4      CN  NaN      NaN    NaN        NaT
10   7  stackoverflow  http://stackoverflow.com/      0     IND  NaN      NaN    NaN        NaT

>>> ret = session.query(web,acc).join(acc,full=True)#通过外键的full join
>>> pd.DataFrame(ret.all())
    id           name                        url  alexa country  aid  site_id  count   col_date
0    1         Google     https://www.google.cm/      1     USA  1.0      1.0   45.0 2016-05-10
1    3           菜鸟教程     http://www.runoob.com/   4689      CN  2.0      3.0  100.0 2016-05-13
2    1         Google     https://www.google.cm/      1     USA  3.0      1.0  230.0 2016-05-14
3    2             淘宝    https://www.taobao.com/     13      CN  4.0      2.0   10.0 2016-05-14
4    5       Facebook  https://www.facebook.com/      3     USA  5.0      5.0  205.0 2016-05-14
5    4             微博          http://weibo.com/     20      CN  6.0      4.0   13.0 2016-05-15
6    3           菜鸟教程     http://www.runoob.com/   4689      CN  7.0      3.0  220.0 2016-05-15
7    5       Facebook  https://www.facebook.com/      3     USA  8.0      5.0  545.0 2016-05-16
8    3           菜鸟教程     http://www.runoob.com/   4689      CN  9.0      3.0  201.0 2016-05-17
9    6             百度     https://www.baidu.com/      4      CN  NaN      NaN    NaN        NaT
10   7  stackoverflow  http://stackoverflow.com/      0     IND  NaN      NaN    NaN        NaT

多表联合 UNION

原生SQL UNION 从 "Websites" 和 "apps" 表中选取所有不同的country（只有不同的值）：

>>> SQL = '''SELECT country FROM Websites
... UNION
... SELECT country FROM apps
... ORDER BY country'''
>>> pd.read_sql(SQL,engine)
  country
0      CN
1     IND
2     USA

ORM

>>> ret = session.query(web.c.country).union(session.query(app.c.country))
>>> pd.DataFrame(ret.all())
  country
0      CN
1     IND
2     USA

原生SQL 使用 UNION ALL 从 "Websites" 和 "apps" 表中选取所有的country（也有重复的值）：

>>> SQL = '''SELECT country FROM Websites
... UNION ALL
... SELECT country FROM apps
... ORDER BY country'''
>>> pd.read_sql(SQL,engine)
  country
0      CN
1      CN
2      CN
3      CN
4      CN
5      CN
6      CN
7     IND
8     USA
9     USA

ORM

>>> ret = session.query(web.c.country).union_all(session.query(app.c.country))
>>> pd.DataFrame(ret.all())
  country
0     USA
1      CN
2      CN
3      CN
4     USA
5      CN
6     IND
7      CN
8      CN
9      CN

>>> #cte()相当于ORACLE的WITH AS，比上面的方法，多创建了临时表，避免重复多次查询相同内容，提高性能。
>>> sub = session.query(web.c.country).union_all(session.query(app.c.country)).cte("temp_table")
>>> pd.DataFrame(session.query(sub).all())
  web_country
0         USA
1          CN
2          CN
3          CN
4         USA
5          CN
6         IND
7          CN
8          CN
9          CN

合并 CONCAT()

原生SQL

>>> SQL = "SELECT CONCAT(id, name) FROM Websites"
>>> pd.read_sql(SQL,engine)
  CONCAT(ID,NAME)
0         1Google
1             2淘宝
2           3菜鸟教程
3             4微博
4       5Facebook
5             6百度
6  7stackoverflow

ORM

>>> ret = session.query(func.concat(web.c.id, web.c.name).label('id,name'))
>>> pd.DataFrame(ret.all())
          id,name
0         1Google
1             2淘宝
2           3菜鸟教程
3             4微博
4       5Facebook
5             6百度
6  7stackoverflow

原生SQL

>>> SQL = "SELECT CONCAT(CONCAT(id, name), url) FROM Websites"
>>> pd.read_sql(SQL,engine)
               CONCAT(CONCAT(ID,NAME),URL)
0            1Googlehttps://www.google.cm/
1               2淘宝https://www.taobao.com/
2              3菜鸟教程http://www.runoob.com/
3                     4微博http://weibo.com/
4       5Facebookhttps://www.facebook.com/
5                6百度https://www.baidu.com/
6  7stackoverflowhttp://stackoverflow.com/

ORM

>>> ret = session.query(func.concat(func.concat(web.c.id, web.c.name),web.c.url).label('id,name,url'))
>>> pd.DataFrame(ret.all())
                               id,name,url
0            1Googlehttps://www.google.cm/
1               2淘宝https://www.taobao.com/
2              3菜鸟教程http://www.runoob.com/
3                     4微博http://weibo.com/
4       5Facebookhttps://www.facebook.com/
5                6百度https://www.baidu.com/
6  7stackoverflowhttp://stackoverflow.com/

高级查询

统计函数

平均 AVG()

原生SQL 选择访问量高于平均访问量的 "site_id" 和 "count"：

>>> SQL = "SELECT site_id, count FROM access_log WHERE count > (SELECT AVG(count) FROM access_log)"
>>> pd.read_sql(SQL,engine)
   site_id  count
0        1    230
1        5    205
2        3    220
3        5    545
4        3    201

ORM

>>> ret = session.query(acc.c.site_id,acc.c.count).filter(acc.c.count>session.query(func.avg(acc.c.count)))
>>> pd.DataFrame(ret.all())
   site_id  count
0        1    230
1        5    205
2        3    220
3        5    545
4        3    201

计数 COUNT()

原生SQL

>>> SQL = "SELECT count(*) FROM access_log"
>>> pd.read_sql(SQL,engine)
   COUNT(*)
0         9

ORM

>>> session.query(acc).count()#一个简便方法
9

>>> session.query(func.count('*')).select_from(acc).scalar()#常规方法
9

>>> session.query(func.count(acc.c.aid)).scalar()#不用select_from()用主键acc.c.aid
9

原生SQL 计算 "access_log" 表中不同 site_id 的记录数：

>>> SQL = "SELECT COUNT(DISTINCT site_id) AS nums FROM access_log"
>>> pd.read_sql(SQL,engine)
   nums
0     5

ORM

>>> session.query(distinct(acc.c.site_id)).count()#一个简便方法
5

>>> ret = session.query(func.count(distinct(acc.c.site_id)).label('nums'))
>>> pd.DataFrame(ret.all())
   nums
0     5

>>> #顺便介绍下子查询
>>> retSub = session.query(acc.c.site_id).distinct().subquery('t')
>>> ret = session.query(func.count(retSub.c.site_id).label('nums'))
>>> pd.DataFrame(ret.all())
   nums
0     5

最大值 MAX()

原生SQL

>>> SQL = "SELECT MAX(alexa) AS max_alexa FROM Websites"
>>> pd.read_sql(SQL,engine)
   max_alexa
0       4689

ORM

>>> ret = session.query(func.max(web.c.alexa).label('max_alexa'))
>>> pd.DataFrame(ret.all())
   max_alexa
0       4689

最小值MIN()

原生SQL

>>> SQL = "SELECT MIN(alexa) AS min_alexa FROM Websites"
>>> pd.read_sql(SQL,engine)
   min_alexa
0          0

ORM

>>> ret = session.query(func.min(web.c.alexa).label('min_alexa'))
>>> pd.DataFrame(ret.all())
   min_alexa
0          0

求和 SUM()

原生SQL

>>> SQL = "SELECT SUM(count) AS nums FROM access_log"
>>> pd.read_sql(SQL,engine)
   nums
0  1569

ORM

>>> ret = session.query(func.sum(acc.c.count).label("nums"))
>>> pd.DataFrame(ret.all())
   nums
0  1569

格式化

原生SQL

>>> SQL = "SELECT aid, site_id, count, to_char(col_date,'yyyymm') as ym FROM access_log"#将字符串转日期用to_date
>>> pd.read_sql(SQL,engine)
   aid  site_id  count      ym
0    1        1     45  201605
1    2        3    100  201605
2    3        1    230  201605
3    4        2     10  201605
4    5        5    205  201605
5    6        4     13  201605
6    7        3    220  201605
7    8        5    545  201605
8    9        3    201  201605

ORM

>>> ret = session.query(acc.c.aid, acc.c.site_id, acc.c.count,
...                     func.to_char(acc.c.col_date,'yyyymm').label("ym"))
>>> pd.DataFrame(ret.all())
   aid  site_id  count      ym
0    1        1     45  201605
1    2        3    100  201605
2    3        1    230  201605
3    4        2     10  201605
4    5        5    205  201605
5    6        4     13  201605
6    7        3    220  201605
7    8        5    545  201605
8    9        3    201  201605

分组聚合 GROUP BY HAVING

原生SQL

>>> SQL = """SELECT site_id, to_char(col_date,'yyyymm') as ym,SUM(count) as sc
 FROM access_log GROUP BY site_id, to_char(col_date,'yyyymm')"""
>>> pd.read_sql(SQL,engine)
   site_id      ym   sc
0        1  201605  275
1        2  201605   10
2        3  201605  521
3        5  201605  750
4        4  201605   13

ORM

>>> cols = [acc.c.site_id,func.to_char(acc.c.col_date,'yyyymm').label('ym')]
>>> ret = session.query(*cols,func.sum(acc.c.count).label('sc')).group_by(*cols)
>>> pd.DataFrame(ret.all())
   site_id      ym   sc
0        1  201605  275
1        2  201605   10
2        3  201605  521
3        5  201605  750
4        4  201605   13

注意：不要写成如下形式：

#这是不对的，同样的代码不能写第二遍
session.query(acc.c.site_id,func.to_char(acc.c.col_date,'yyyymm').label('ym'),
                       func.sum(acc.c.count).label('sc')).group_by(acc.c.site_id,
                              func.to_char(acc.c.col_date,'yyyymm').label('ym'))

原生SQL

>>> SQL = """SELECT Websites.name, SUM(access_log.count) AS nums FROM Websites
... INNER JOIN access_log
... ON Websites.id=access_log.site_id
... WHERE Websites.alexa < 200
... GROUP BY Websites.name
... HAVING SUM(access_log.count) > 200"""
>>> pd.read_sql(SQL,engine)
       name  nums
0    Google   275
1  Facebook   750

ORM

>>> #隐式外键关联
>>> ret = session.query(web.c.name,func.sum(acc.c.count).label("nums")).\
... join(acc).filter(web.c.alexa < 200).\
... group_by(web.c.name).having(func.sum(acc.c.count) > 200)
>>> pd.DataFrame(ret.all())
       name  nums
0    Google   275
1  Facebook   750

>>> #显式外键关联
>>> ret = session.query(web.c.name,func.sum(acc.c.count).label("nums")).\
... join(acc).filter(web.c.id==acc.c.site_id,web.c.alexa < 200).\
... group_by(web.c.name).having(func.sum(acc.c.count) > 200)
>>> pd.DataFrame(ret.all())
       name  nums
0    Google   275
1  Facebook   750

EXISTS/NOT EXISTS

原生SQL EXISTS

>>> SQL = "SELECT Websites.name, Websites.url FROM Websites \
... WHERE EXISTS (SELECT count FROM access_log WHERE Websites.id = access_log.site_id AND count > 200)"
>>> pd.read_sql(SQL,engine)
       name                        url
0    Google     https://www.google.cm/
1      菜鸟教程     http://www.runoob.com/
2  Facebook  https://www.facebook.com/

ORM

>>> ret = session.query().filter(web.c.id==acc.c.site_id,acc.c.count>200).exists()
>>> ret = session.query(web.c.name,web.c.url).filter(ret)
>>> pd.DataFrame(ret.all())
       name                        url
0    Google     https://www.google.cm/
1      菜鸟教程     http://www.runoob.com/
2  Facebook  https://www.facebook.com/

>>> # 另一种方法，更接近原生SQL
>>> from sqlalchemy.sql import exists
>>> ret = exists([acc.c.count]).where(and_(web.c.id==acc.c.site_id,acc.c.count>200))
>>> ret = session.query(web.c.name,web.c.url).filter(ret)
>>> pd.DataFrame(ret.all())
       name                        url
0    Google     https://www.google.cm/
1      菜鸟教程     http://www.runoob.com/
2  Facebook  https://www.facebook.com/

原生SQL NOT EXISTS

>>> SQL = "SELECT Websites.name, Websites.url FROM Websites \
... WHERE NOT EXISTS (SELECT count FROM access_log WHERE Websites.id = access_log.site_id AND count > 200)"
>>> pd.read_sql(SQL,engine)
            name                        url
0             淘宝    https://www.taobao.com/
1             微博          http://weibo.com/
2             百度     https://www.baidu.com/
3  stackoverflow  http://stackoverflow.com/

ORM

>>> ret = session.query().filter(web.c.id==acc.c.site_id,acc.c.count>200).exists()
>>> ret = session.query(web.c.name,web.c.url).filter(~ret)
>>> pd.DataFrame(ret.all())
            name                        url
0             淘宝    https://www.taobao.com/
1             微博          http://weibo.com/
2             百度     https://www.baidu.com/
3  stackoverflow  http://stackoverflow.com/

(完)
参考资料 https://www.runoob.com/sql/sql-tutorial.html

最后编辑于：2021.07.05 20:22:15

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 212,185评论 6赞 493
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 90,445评论 3赞 385
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 157,684评论 0赞 348
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 56,564评论 1赞 284
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 65,681评论 6赞 386
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 49,874评论 1赞 290
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 39,025评论 3赞 408
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 37,761评论 0赞 268
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 44,217评论 1赞 303
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 36,545评论 2赞 327
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 38,694评论 1赞 341
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 34,351评论 4赞 332
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 39,988评论 3赞 315
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 30,778评论 0赞 21
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,007评论 1赞 266
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 46,427评论 2赞 360
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 43,580评论 2赞 349

数据分析师福利！Python SQLAlchemy 连接数据库+各类查询大全

准备演示数据库

用SQLAclemy ORM连接数据库

============基础查询============

别名

查询整张表

SELECT 语句

查询部分表

带条件查询

WHERE 子句

多条件查询

AND OR

LIKE/NOT LIKE 与 通配符%

IN/NOT IN

IS NULL/IS NOT NULL

BETWEEN

CASE WHEN语句

数据整理查询

去重 SELECT DISTINCT

排序 ORDER BY

连表 JOIN ON

多表联合 UNION

合并 CONCAT()

高级查询

统计函数

平均 AVG()

计数 COUNT()

最大值 MAX()

最小值MIN()

求和 SUM()

格式化

分组聚合 GROUP BY HAVING

EXISTS/NOT EXISTS

推荐阅读更多精彩内容

LIKE/NOT LIKE 与通配符%