一、什麼是 SQLite？

SQLite 是一種輕量型的關聯式資料庫。它不需要另外架設資料庫伺服器，就能將資料儲存在一個資料庫檔案中，因此很適合拿來學習 SQL，或用在小型專案。

之前使用的 CSV 是以表格形式儲存資料，而 SQLite 可以讓我們使用 SQL 指令管理資料。

例如，假設我有一份書籍資料：

如果資料存在 CSV 裡，我可以用 Pandas 讀取和分析；如果資料存在 SQLite 裡，就可以透過 SQL 查詢價格、篩選評分，或新增和修改書籍資料。

今天會使用的工具如下：

Python：負責處理資料和執行程式。

SQLite：儲存書籍資料。

SQL：對資料庫進行新增、查詢和管理。

Google Colab：執行今天的程式。

二、使用 Python 建立 SQLite 資料庫

Python 內建 sqlite3 模組，不需要另外安裝套件，就能操作 SQLite。

首先，在 Google Colab 執行以下程式：

import sqlite3

建立或連線到資料庫

conn = sqlite3.connect("books.db")

建立執行 SQL 的游標

cursor = conn.cursor()

print("SQLite 資料庫連線成功！")

執行後，程式會建立一個名為 books.db 的資料庫檔案，並建立資料庫連線。

這裡有兩個重要的物件：

conn 是資料庫連線，負責與資料庫互動，以及提交交易或關閉連線。

cursor 則是用來執行 SQL 指令的物件，例如建立資料表、查詢資料或新增紀錄。

要注意，在 Google Colab 中，這個檔案預設儲存在目前的執行環境裡。如果 Colab 執行環境被重設，檔案可能會消失，所以重要資料之後需要另外下載或保存到持久化儲存空間。

三、建立書籍資料表

建立資料庫之後，接下來需要建立資料表。

資料表可以想成 Excel 中的一張工作表，每一列代表一筆紀錄，每一欄則代表一種資料。

今天建立的資料表叫做 books，包含以下欄位：

欄位

資料型態

用途

id

INTEGER

書籍編號

title

TEXT

書名

price

REAL

價格

rating

INTEGER

評分

接著使用 SQL 建立資料表：

cursor.execute("""
CREATE TABLE IF NOT EXISTS books (
id INTEGER PRIMARY KEY AUTOINCREMENT,
title TEXT NOT NULL,
price REAL,
rating INTEGER
)
""")

conn.commit()

print("books 資料表建立完成！")

這段程式中有幾個需要理解的語法。

CREATE TABLE 是建立資料表的指令。

IF NOT EXISTS 表示如果資料表已經存在，就不會再次建立同名資料表。

PRIMARY KEY 表示主鍵，用來識別每一筆紀錄。這裡使用 AUTOINCREMENT，讓新增資料時可以自動產生編號。

TEXT 用來儲存文字，REAL 用來儲存數值，INTEGER 則用來儲存整數。

NOT NULL 表示這個欄位不能是空值。

最後的 conn.commit() 會提交目前的資料庫交易，讓變更正式寫入資料庫。

四、新增書籍資料

資料表建立完成後，就可以開始新增資料。

books = [
("Book A", 15.99, 5),
("Book B", 25.50, 4),
("Book C", 8.99, 3),
("Book D", 45.00, 5),
("Book E", 32.99, 2)
]

cursor.executemany("""
INSERT INTO books (title, price, rating)
VALUES (?, ?, ?)
""", books)

conn.commit()

print("書籍資料新增完成！")

這裡使用 executemany()，一次新增多筆書籍資料，不必每一筆都分開執行 SQL。

另外，VALUES (?, ?, ?) 中的問號是參數佔位符，實際的值會由 books 清單提供。

使用參數化查詢可以避免直接拼接資料所造成的 SQL 注入風險，也能讓程式更容易維護。

需要注意的是，如果重複執行這段新增程式，資料也會再次寫入。若希望可以反覆執行而不重複新增，就需要進一步設計唯一識別條件或其他防重複機制。

五、查詢資料庫中的書籍

新增資料之後，接下來就要確認資料是否真的寫入資料庫。

最基本的查詢方式是使用 SELECT：

cursor.execute("SELECT * FROM books")

rows = cursor.fetchall()

for row in rows:
print(row)

SELECT * FROM books 表示查詢 books 資料表中的所有欄位和紀錄。

fetchall() 則會取回查詢結果中的所有資料。

輸出結果會類似以下內容：

(1, 'Book A', 15.99, 5)
(2, 'Book B', 25.5, 4)
(3, 'Book C', 8.99, 3)
(4, 'Book D', 45.0, 5)
(5, 'Book E', 32.99, 2)

每一筆資料都會包含 id、title、price 和 rating。

如果只想查詢書名和價格，可以指定需要的欄位：

cursor.execute("""
SELECT title, price
FROM books
""")

for row in cursor.fetchall():
print(row)

這樣就不必把整張資料表的所有欄位都取出來。

六、使用 SQL 篩選價格較高的書籍

前幾天，我曾經使用 Pandas 篩選符合條件的書籍。現在也可以透過 SQL 完成相同的工作。

例如，查詢價格大於 20 的書籍：

cursor.execute("""
SELECT title, price, rating
FROM books
WHERE price > ?
""", (20,))

for row in cursor.fetchall():
print(row)

這裡的 WHERE 是條件篩選語法，而 price > ? 表示只取得價格大於指定數值的紀錄。

因為 SQL 使用參數佔位符，所以傳入單一參數時，要寫成 (20,)。這個逗號很重要，因為它代表這是一個只有一個元素的 tuple。

如果想按照價格由高到低排列，可以加上 ORDER BY：

cursor.execute("""
SELECT title, price
FROM books
WHERE price > ?
ORDER BY price DESC
""", (20,))

for row in cursor.fetchall():
print(row)

ORDER BY price DESC 表示依照價格遞減排序，也就是價格最高的書會排在最前面。

如果想由低到高排列，則可以使用 ASC。

七、使用 SQL 計算平均價格

SQLite 不只能查詢個別紀錄，也可以直接在資料庫中進行統計。

例如，計算全部書籍的平均價格：

cursor.execute("""
SELECT AVG(price)
FROM books
""")

average_price = cursor.fetchone()[0]

print("平均價格：", round(average_price, 2))

這裡使用 AVG() 計算平均值，而 fetchone() 只會取回一筆結果。

除了平均值，也可以計算書籍數量、最高價格和最低價格：

cursor.execute("""
SELECT
COUNT(*) AS book_count,
AVG(price) AS average_price,
MAX(price) AS maximum_price,
MIN(price) AS minimum_price
FROM books
""")

result = cursor.fetchone()

print("書籍數量：", result[0])
print("平均價格：", round(result[1], 2))
print("最高價格：", result[2])
print("最低價格：", result[3])

這裡使用了四個常見的 SQL 聚合函式：

COUNT()：計算紀錄數量。

AVG()：計算平均值。

MAX()：找出最大值。

MIN()：找出最小值。

這些功能和之前在 Pandas 中學過的統計操作很相似，只是現在改成由 SQL 直接在資料庫中處理。

八、將前幾天的 Pandas 資料匯入 SQLite

前面先使用模擬資料練習資料庫操作。接下來，可以把前幾天清理完成的 DataFrame 寫入 SQLite。

假設目前已經有一個整理好的 df，而且其中包含 title、price 和 rating 三個欄位，就可以使用 Pandas 的 to_sql()。

確認必要欄位存在

required_columns = ["title", "price", "rating"]

print(df[required_columns].head())

確認欄位與資料格式沒有問題後，再執行：

df[["title", "price", "rating"]].to_sql(
"scraped_books",
conn,
if_exists="replace",
index=False
)

print("Pandas 資料已匯入 SQLite！")

這裡建立的資料表名稱是 scraped_books。

if_exists="replace" 表示如果同名資料表已經存在，就先刪除舊表再建立新表。因此，這個選項適合目前的完整重建示範，但不能隨意用在需要保留既有資料的正式系統。

如果想在既有資料表中追加資料，可以改成 if_exists="append"；不過，追加前仍要確認資料表結構與欄位型態相容，也要避免重複匯入相同紀錄。

匯入後，可以使用 SQL 查詢：

cursor.execute("""
SELECT title, price, rating
FROM scraped_books
LIMIT 5
""")

for row in cursor.fetchall():
print(row)

LIMIT 5 表示只取出最多五筆資料，方便快速檢查匯入結果。

九、關閉資料庫連線

完成操作後，記得關閉資料庫連線：

conn.close()

print("資料庫連線已關閉！")

這是資料庫程式的一個基本習慣。如果後續還要繼續執行 SQL，就需要重新建立連線，並取得新的游標。

在實際專案中，也可以進一步使用 try/finally 或 with 來管理資源，避免程式發生錯誤時沒有妥善處理連線。