9.1.3 增加数据
从这一步开始，我们将掌握如何使用SQLAlchemy对数据进行增删改查。通过学习，大家可以看到SQLAlchemy强大之处在于将原生SQL繁琐的语句转变成Pythonic风格的代码。
1. 增加一条数据
表9.1.3 需要用到的函数
例9.1.3
shop = (311, "老北京涮羊肉", '11:00-21:00', [['周一', '满60减10'], ['周二', '满100减20']]),
new = ShopBasic(id=shop[0], name=shop[1])
sess.add(new)
sess.commit()在上述代码中，先创建ShopBasic的实例，然后调用.add()方法将其加入到缓存区，最后.commit()提交更改。
2. 增加多条数据
当存在多条数据需要插入时，只需要按照插入一条数据时的方法，重复调用相应次数即可。
例9.1.4
shops = [
(311, "老北京涮羊肉", '11:00-21:00', [['周一', '满60减10'], ['周二', '满100减20']]),
(312, "大龙燚火锅", '10:00-22:00', [['周一', '满60减10'], ['周二', '满100减20']]),
(313, "一尊皇牛", '00:00-24:00', [['周一', '满80减10'], ['周二', '满100减10']]),
]
for shop in shops:
new = ShopBasic(id=shop[0], name=shop[1])
sess.add(new)
sess.commit()在上述代码中，只是在每次循环中都.add()和.commit()提交修改。不过，细心的同学可能会产生疑问：这就相当于每次都要提交修改，对性能的影响会不会很大？是的。对性能的影响会很大。如果有办法能够批量插入数据，性能想必会有较大提升！所幸，我们只需要使用.add_all()就可以达到这样的目的。
表9.1.4 需要用到的函数
例9.1.5
shops = [
(311, "老北京涮羊肉", '11:00-21:00', [['周一', '满60减10'], ['周二', '满100减20']]),
(312, "大龙燚火锅", '10:00-22:00', [['周一', '满60减10'], ['周二', '满100减20']]),
(313, "一尊皇牛", '00:00-24:00', [['周一', '满80减10'], ['周二', '满100减10']]),
]
news = []
for shop in shops:
new = ShopBasic(id=shop[0], name=shop[1], time=shop[2])
news.append(new)
sess.add_all(news)
sess.commit()在上述代码中，先把这3条数据的ShopBasic实例添加到news列表中，然后调用.add_all()插入news，最后提交即可。
9.1.4 查看数据
新增的数据是否真得插入到数据库中了呢？我们直接查找数据库中的数据即可。
表9.1.5 需要用到的函数
1. 输出所有数据
例9.1.6
shops = sess.query(ShopBasic).all()
for shop in shops:
print(shop.id, shop.name, shop.time)输出结果如图9.1.1所示。
图9.1.1 basic表内容
注意，.all()方法是惰性加载，也就是说只有在查看其中的数据时才会真正访问数据表。.all()方法返回的是queryset，也就是一个查询结果的列表，这个列表中的每个元素都是独立的ShopBasic对象，其中存储了之前的数据，通过“.属性名”的方式就可以进行调用了。
2. 条件过滤
当然，如果只想得到符合条件的部分数据，最简单粗暴的做法是.all()+for循环+if条件判断。不过，这种方法使用起来不仅繁琐，而且会消耗大量资源(毕竟要把原生sql转换成python对象要比原生sql慢很多)。所幸，SQLAlchemy已提供.filter_by()方法用于条件判断了。
例9.1.7
shops = sess.query(ShopBasic).filter_by(name='老北京涮羊肉').all()
shops[0].__dict__运行结果如图9.1.2。
其中，_sa_instance_state是SQLAlchemy为每一行数据自动添加的，除此以外的字段都是真正保存的。
3. 排序
然而，有些时候，我们想让数据输出按照某个字段进行排序后再输出，这时候就要用到.order_by()方法。
例9.1.8
# 排序
shops = sess.query(ShopBasic).order_by('name').all()
for shop in shops:
print(shop.id, shop.name, shop.time)运行结果如图9.1.3。
图9.1.3 排序
4. 过滤操作符
在很多情况下，需要用多种条件组合过滤才能达到想要的结果。这时候，光用“=”已经无法满足要求了。
表9.1.6 常见的过滤操作符
9.1.5 修改数据
当店铺“老北京涮羊肉”的信息存入数据库后，才发现营业时间填错了，应该是“09:00-21:00”。这时候如果再新加一行数据就显得不合适了，直接对“老北京涮羊肉”这条数据做修改即可。
例9.1.9
shop = sess.query(ShopBasic).filter_by(name='老北京涮羊肉').first()
shop.time = "09:00-21:00"
sess.commit()
# 再重新查询一次，打印结果
shop = sess.query(ShopBasic).filter_by(name='老北京涮羊肉').first()
print(shop.name, shop.time, '\n')运行结果如图9.1.4。
可以看到，SQLAlchemy修改数据非常方便，取出要修改的ShopBasic实例，直接将修改后的值赋值给相应属性，然后.commit()修改即可。
9.1.6 删除数据
当数据缺失很严重的时候，这条数据的价值就显得不是那么大了，这时候就要把缺失严重的数据删除。这里，首先模拟一条数据缺失(把营业时间设置为None)，然后把它删除。
例9.1.10
shop = sess.query(ShopBasic).filter_by(name='老北京涮羊肉').first()
shop.time = None
sess.commit()
# 查看店家是否还存在
shop = sess.query(ShopBasic).filter_by(name='老北京涮羊肉').first()
shop.__dict__现在在数据库中店铺“老北京涮羊肉”的营业时间设置为空。此时，由于政委要带熊大下馆子，为安全起见，不知道营业时间的馆子就不要了。那么，这条数据存在的意义就不那么大了，只能删除。
例9.1.11
sess.delete(shop)
sess.commit()
shops = sess.query(ShopBasic).all()
for shop in shops:
print(shop.name)运行结果如图9.1.5。
图9.1.5
queryset中已经不包含店铺“老北京涮羊肉”的信息了，删除成功。
