Lær AI med Python · leksjon

SQLite med Pythons sqlite3-modul

Opprett databaser og tabeller, bruk INSERT/SELECT/UPDATE og parameteriserte spørringer, og håndter tilkoblinger.

Leksjon 1 av 413 trinn

SQLite med Pythons sqlite3-modul er en gratis leksjon i Lær AI med Python på CoddyKit. Dette er leksjon 1 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Lær AI med Python, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Lær AI med Python inneholder totalt 4 leksjoner.

Hvorfor bruke databaser til AI?

Flate filer fungerer helt til datamengden vokser, eller mange deler av et prosjekt trenger de samme postene. En database gir raske spørringer, strukturerte skjemaer og trygg samtidig tilgang.

SQLite er en filbasert database uten oppsett som er innebygd i Python via modulen sqlite3 — perfekt for AI-eksperimenter og små prosjekter.

Koble til med sqlite3.connect

sqlite3.connect åpner eller oppretter en databasefil og returnerer en tilkobling. Bruk :memory: for en midlertidig database i RAM.

import sqlite3

conn = sqlite3.connect("ml.db")   # creates ml.db if missing
print(conn)

Cursorer og cursor.execute

Du kjører SQL gjennom en cursor som du henter fra tilkoblingen. cursor.execute(sql) sender en instruksjon til databasen.

import sqlite3

conn = sqlite3.connect("ml.db")
cur = conn.cursor()
cur.execute("SELECT sqlite_version()")
print(cur.fetchone())

CREATE TABLE IF NOT EXISTS

Definer en tabell med et skjema. IF NOT EXISTS gjør instruksjonen trygg å kjøre flere ganger — den gir ingen feil hvis tabellen allerede finnes.

cur.execute("""
CREATE TABLE IF NOT EXISTS experiments (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    name TEXT NOT NULL,
    accuracy REAL,
    created_at TEXT
)
""")

INSERT med plassholdere

Bygg aldri SQL med strengformatering — det åpner for SQL-injection og skaper problemer med anførselstegn. Bruk ?-plassholdere og send verdiene som en tuppel.

cur.execute(
    "INSERT INTO experiments (name, accuracy, created_at) VALUES (?, ?, ?)",
    ("baseline", 0.82, "2026-05-29"),
)

Sette inn mange rader med executemany

executemany setter inn en liste med tupler i ett effektivt kall — mye raskere enn å kjøre execute i en løkke.

rows = [
    ("rf", 0.88, "2026-05-29"),
    ("xgb", 0.91, "2026-05-29"),
]
cur.executemany(
    "INSERT INTO experiments (name, accuracy, created_at) VALUES (?, ?, ?)",
    rows,
)

conn.commit() lagrer endringer

Skriveoperasjoner skjer i en transaksjon og blir ikke lagret permanent før du kaller conn.commit(). Å glemme dette er den vanligste nybegynnerfeilen — dataene dine forsvinner uten feilmelding når tilkoblingen lukkes.

conn.commit()   # persist all pending INSERT/UPDATE/DELETE

Spørre med fetchall og fetchone

Etter en SELECT henter du resultatene slik:

fetchone() — neste enkeltstående rad
fetchall() — alle gjenværende rader som en liste med tupler
iterer direkte over cursoren for store resultater

cur.execute("SELECT name, accuracy FROM experiments")
for row in cur.fetchall():
    print(row)   # ("baseline", 0.82) ...

Filtrere og sortere

SQL gjør det meste av arbeidet: filtrer med WHERE, sorter med ORDER BY, og begrens med LIMIT. Bruk også plassholdere for verdier i spørringen.

cur.execute(
    "SELECT name, accuracy FROM experiments WHERE accuracy > ? ORDER BY accuracy DESC LIMIT 3",
    (0.85,),
)
print(cur.fetchall())

Row factory for tilgang med navn

Som standard er rader tupler. Angi conn.row_factory = sqlite3.Row for å få tilgang til kolonner med navn, noe som er langt mer lesbart.

import sqlite3

conn = sqlite3.connect("ml.db")
conn.row_factory = sqlite3.Row
cur = conn.cursor()
cur.execute("SELECT * FROM experiments")
row = cur.fetchone()
print(row["name"], row["accuracy"])

Kontekstbehandlere for sikkerhet

Når du bruker with på tilkoblingen, committer den automatisk ved suksess og ruller tilbake ved feil. Kombinert med closing sikrer dette at alt ryddes opp.

import sqlite3
from contextlib import closing

with closing(sqlite3.connect("ml.db")) as conn:
    with conn:   # auto commit/rollback
        conn.execute(
            "INSERT INTO experiments (name, accuracy) VALUES (?, ?)",
            ("svm", 0.79),
        )

Hurtigsjekk: Lagre skriveoperasjoner

Du kjørte flere INSERT-instruksjoner og lukket deretter tilkoblingen — men dataene var borte neste gang.

Besvar den i den interaktive leksjonen

Oppsummering: SQLite med sqlite3

Du kan nå bruke en ekte database fra Python:

sqlite3.connect og en cursor
CREATE TABLE IF NOT EXISTS for trygge skjemaer
INSERT med ?-plassholdere og executemany
conn.commit() for å lagre skriveoperasjoner permanent
fetchone/fetchall, WHERE/ORDER BY/LIMIT
sqlite3.Row og kontekstbehandlere for ryddig og trygg kode

Neste trinn: koble sammen pandas og SQL.

Gratis å komme i gang

Lær deg Python med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs: 53
Leksjoner: 225

Start læringen gratis Se hele kurset

Ofte stilte spørsmål

Er leksjonen «SQLite med Pythons sqlite3-modul» gratis?

Ja – du kan lese valgfritt 3 av leksjonene i læringsstien Lær AI med Python, inkludert «SQLite med Pythons sqlite3-modul», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i Lær AI med Python inneholder totalt 4 leksjoner.

Hva lærer jeg i «SQLite med Pythons sqlite3-modul»?

Opprett databaser og tabeller, bruk INSERT/SELECT/UPDATE og parameteriserte spørringer, og håndter tilkoblinger. Du øver på Lær AI med Python med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med Lær AI med Python?

Ingen tidligere erfaring er nødvendig. Lær AI med Python på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.

Hvor lang tid tar leksjonen «SQLite med Pythons sqlite3-modul»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne Lær AI med Python-leksjonen?

Ja. Alle Lær AI med Python-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

← Tilbake til Lær AI med Python