Beziehungen und Joins
Verknüpfte Tabellen modellieren
Beziehungen und Joins ist eine kostenlose Python Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Python Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Python Academy-Kurs umfasst insgesamt 4 Lektionen.
Verknüpfte Tabellen
Echte Daten stehen miteinander in Beziehung: Ein Autor hat viele Bücher, eine Bestellung hat viele Positionen. SQLAlchemy bildet diese Verbindungen mit Beziehungen und Fremdschlüsseln ab.
# Author 1 --- many --- Book
# A foreign key on Book points back to Author
print('One-to-many is the most common link')Fremdschlüssel
Eine Fremdschlüssel-Spalte speichert den Primärschlüssel einer verknüpften Zeile. Deklarieren Sie sie mit ForeignKey('table.column').
from sqlalchemy import ForeignKey
from sqlalchemy.orm import Mapped, mapped_column
# author_id: Mapped[int] = mapped_column(ForeignKey('authors.id'))
print('ForeignKey links child to parent')Das übergeordnete Modell definieren
Das übergeordnete Modell verwendet relationship(), um eine Sammlung untergeordneter Objekte aufzunehmen.
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column, relationship
from typing import List
class Base(DeclarativeBase):
pass
class Author(Base):
__tablename__ = 'authors'
id: Mapped[int] = mapped_column(primary_key=True)
name: Mapped[str]
books: Mapped[List['Book']] = relationship(back_populates='author')
print('Author.books holds related Book objects')Das untergeordnete Modell definieren
Das untergeordnete Modell enthält die Fremdschlüsselspalte sowie eine relationship(), die auf das übergeordnete Modell verweist.
from sqlalchemy import ForeignKey
from sqlalchemy.orm import DeclarativeBase, Mapped, mapped_column, relationship
class Base(DeclarativeBase):
pass
class Book(Base):
__tablename__ = 'books'
id: Mapped[int] = mapped_column(primary_key=True)
title: Mapped[str]
author_id: Mapped[int] = mapped_column(ForeignKey('authors.id'))
author: Mapped['Author'] = relationship(back_populates='books')
print('Book.author points to its parent')back_populates
back_populates verknüpft die beiden Beziehungen miteinander, sodass eine Aktualisierung der einen Seite automatisch auf der anderen Seite widergespiegelt wird.
# author.books.append(book) also sets book.author = author
# Both sides stay in sync automatically
print('back_populates keeps both sides consistent')Beziehungen durchlaufen
Sobald die Verknüpfung besteht, durchlaufen Sie die Beziehung wie normale Attribute: author.books ist eine Liste, book.author ist das übergeordnete Objekt.
# for book in author.books:
# print(book.title)
# print(book.author.name)
print('Navigate with plain attribute access')Einen Objektgraphen aufbauen
Fügen Sie untergeordnete Objekte zur Sammlung des übergeordneten Objekts hinzu. Wenn Sie das übergeordnete Objekt zur Session hinzufügen, werden die untergeordneten Objekte automatisch mit einbezogen.
# a = Author(name='Rowling')
# a.books.append(Book(title='Book 1'))
# session.add(a)
# session.commit() # author and book both saved
print('Cascade saves the whole object graph')Implizite Joins
Der Zugriff auf book.author veranlasst SQLAlchemy, die verknüpfte Zeile automatisch im Hintergrund zu laden (Lazy Loading).
# Accessing book.author runs a SELECT if not loaded yet
# This is lazy loading
print('Lazy loading fetches related rows on access')Explizite Joins
Verwenden Sie zum Filtern über mehrere Tabellen join() in einer Abfrage mit select. Dadurch wird ein SQL-JOIN erzeugt.
from sqlalchemy import select
# stmt = select(Book).join(Author).where(Author.name == 'Rowling')
# books = session.scalars(stmt).all()
print('join(Author) filters across the relationship')Eager Loading
Um viele kleine Abfragen zu vermeiden, laden Sie verknüpfte Zeilen vorab mit joinedload oder selectinload.
from sqlalchemy import select
from sqlalchemy.orm import selectinload
# stmt = select(Author).options(selectinload(Author.books))
print('selectinload preloads children in one extra query')Viele-zu-viele-Beziehungen
Bei Viele-zu-viele-Verknüpfungen verbindet eine Zuordnungstabelle beide Seiten. Die relationship() verweist mit secondary= auf diese Tabelle.
# students <-> courses via a 'enrollments' association table
# courses: Mapped[List['Course']] = relationship(secondary=enrollments)
print('secondary= models many-to-many')Kurzer Test
Testen Sie Ihr Wissen über Beziehungen.
Zusammenfassung
Sie haben verknüpfte Tabellen modelliert.
ForeignKeyspeichert die Verknüpfung in der Spalte des untergeordneten Objektsrelationship()verbindet zusammen mitback_populatesbeide Seiten- Verknüpfungen werden wie normale Attribute durchlaufen; Lazy Loading lädt Daten beim Zugriff
join()filtert über mehrere Tabellen;selectinloadlädt Daten vorab;secondary=verarbeitet Viele-zu-viele-Beziehungen
Häufig gestellte Fragen
Ist die Lektion „Beziehungen und Joins“ kostenlos?
Ja — der vollständige Text von „Beziehungen und Joins“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Python Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Python Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Beziehungen und Joins“?
Verknüpfte Tabellen modellieren Du übst Python Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Python Academy zu starten?
Keine Vorkenntnisse erforderlich. Python Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Beziehungen und Joins“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Python Academy-Lektion Code schreiben und ausführen?
Ja. Jede Python Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- SQLAlchemy Core vs. ORM
- Modelle definieren
- Abfragen mit der Session
- Beziehungen und Joins