讲个真事。上周有个朋友找我喝酒，说自己被老板骂了，原因是公司那个破数据库，他每次查数据都得手动导成 Excel，再写一堆公式算半天。我说：“你干嘛不用 Python 直接连数据库？”他愣了半天，问我 Python 还能干这个？我差点把酒喷出来。其实像他这样的人太多了，总觉得操作数据库是 DBA 的活，Python 搞数据是数据科学家的专利。但真相是，Python 接数据库这件事，任何一个写了三个月 Python 的普通人都能搞定，而且搞定之后，你的工作效率至少提升三倍。
先说说最基础的 sqlite3，这是 Python 自带的轻量级数据库模块，连安装都不用。你打开终端，敲两行代码就能连上一个数据库文件。比如我经常用它来存一些临时数据，像是爬虫抓来的网页内容，或者日常记录的工作日志。代码长这样：，然后 ，搞定了。你不需要配置端口、用户名、密码，连数据库服务器都不用装。sqlite3 把数据库直接存成一个文件，你复制这个文件就能把整个数据带走。对于个人项目、小工具、原型测试来说，这简直是神器，而且它支持标准的 SQL 语法，SELECT、INSERT、UPDATE、DELETE 都没问题。我有个同事用它做了个记账小程序，每天下班前跑一遍脚本，自动从微信账单里读取数据，写入 sqlite3 数据库，月底直接查季度支出报表。以前他得花两小时手动统计，现在 30 秒出结果。
但说到正经的商业项目，sqlite3 就不太够用了。这时候得请出 MySQL 或者 PostgreSQL 这类关系型数据库。Python 连接它们最常用的库叫 pymysql（对应 MySQL）和 psycopg2（对应 PostgreSQL）。安装也很简单， 就行。连接代码稍微复杂一点，需要指定主机地址、端口、用户名、密码、数据库名。比如：。这里有个坑，很多人第一次连不上，要么是密码输错，要么是没开远程访问权限。我建议先在命令行里用 试试能不能连上，确认没问题再写 Python 代码。还有一点，记得用 try‑except 包住连接操作，因为网络问题、数据库宕机都可能发生，不加异常处理，脚本崩了连日志都看不到。
连接上之后，真正干活的是 cursor 对象。你用 获取它，然后用 执行 SQL 语句。执行完记得调用 提交事务，否则插入、更新、删除的数据不会被保存。这个细节我吃过亏——有一次写了个批量更新脚本，跑完没 commit 就关了连接，数据全丢了，被老板骂了一下午。另外，execute 方法支持参数化查询，用 占位符，而不是直接拼接字符串。比如 。这能防止 SQL 注入攻击，也是行业最佳实践。别嫌麻烦，安全第一。
实际操作中，我见过太多人把查询结果一股脑打印出来，然后手动复制粘贴到 Excel 里做分析。这太傻了。你应该在 Python 里直接处理结果。 返回一个元组列表，每个元组对应一行数据。你可以遍历它，用 pandas 的 DataFrame 接住，然后直接做统计、画图。比如我经常这么干：，。一行代码，数据库里的数据就变成了 DataFrame。接下来想按日期分组统计销售额，或者画个折线图看看趋势，都信手拈来。pandas 的 方法背后自动帮你处理连接和查询，返回的就是熟悉的表格结构，这相当于把数据库和数据分析无缝打通了。
还有个场景很多人没想过：用 Python 写个定时任务，自动从数据库拉数据，生成报表再发邮件。我帮一家小电商公司做过这个。他们每天要统计前一日的订单量、退款率、库存预警。之前是运营妹子每天早上手动查数据库，复制出来贴到 Excel 模板里，再发邮件给老板。我写了个 Python 脚本，用 schedule 库每天凌晨两点执行，先连 MySQL 查询数据，然后用 openpyxl 生成 Excel 报表，用 smtplib 发邮件。脚本跑起来后，运营妹子再也不用早起，老板也能在上班前看到邮件。这个脚本总共不到 200 行代码，却省了三个人的工作量。你想想，这就是把 Python 接数据库的基础能力用好后的价值。
当然，不是所有数据都存在传统关系型数据库里。现在很多人用 MongoDB 这类 NoSQL 数据库，存 JSON 文档。Python 连接 MongoDB 用的是 pymongo 库。安装之后，连接代码是：，然后 ，。增删改查的语法跟字典操作很像：，。MongoDB 的好处是灵活，不需要事先定义表结构，字段可以随意增减，适合存结构不固定的数据，比如日志、配置、爬虫抓取的半结构化内容。我有个朋友做物联网项目，每个传感器上报的数据格式都不一样，他就用 MongoDB 存，Python 脚本定时拉取做分析，省去了建表改表的麻烦。
说到性能优化，很多人忽略了连接池的概念。每次查询都新建一个数据库连接，用完就关，这在并发高的场景下会导致大量时间浪费在建立连接上。Python 里可以用 DBUtils 或者 SQLAlchemy 的 来管理连接池。比如 SQLAlchemy 的写法：。这样每次从池子里拿连接，用完放回去，不需要反复创建销毁。我之前优化过一个接口，原来每秒只能处理 50 个请求，加了连接池后直接到 500 个。还有一点，查询语句写得好坏，对性能影响天差地别。比如 ，如果 status 字段没加索引，数据量大时查询会卡死。Python 只是工具，数据库本身的索引设计、SQL 优化才是根本。
最后说一句，别被那些花里胡哨的框架吓到。很多人一上来就想学 Django ORM、SQLAlchemy 的高级用法，结果被复杂的配置和概念搞晕了。其实可以先从最基础的 pymysql 开始，用 execute 执行原生 SQL，用 fetchall 取数据，用 pandas 分析，这已经能解决工作中 90% 的问题。等真正理解了这些基础操作，再去看 ORM 的映射关系、事务隔离级别、读写分离等高级话题，就会觉得特别简单。记住，技术是为业务服务的。你写 Python 接数据库，不是为了炫技，而是让工作更高效。下次老板再让你查数据，别手动导 Excel，直接写个脚本，喝杯咖啡的功夫，数据报表就自动生成了。
