1、python 数据插入问题
|
1
2
3
4
5
6
7
8
9
|
par=[]
for a in params:
if type(a) == list:
par.append(‘“str(a)”')
else:
par.append(a)
for b in par:
print()
cursor.execute(sql,tuple(par))
|
解决 注意python中的 extend，append 的区别，在数据添加数据库中的时候,如果列表中列表一定将列表转为 str 类型，
params 中的 append 添加记录数据
2、转为字符串可以插入
|
1
|
[{‘name': ‘0', ‘value': ‘1.0114'}, {‘name': ‘1-90天', ‘value': ‘0.0114'}, {‘name': ‘180天以上', ‘value': ‘0.0445'}, {‘name': ‘91-180天', ‘value': ‘0.0279'}]
|
3、 数据库字段太小
|
1
|
alter table 表面 modify 字段名 字段类型 not null comment “ ” 注释
|
4、修改表字段大小
如果要是报
not all params used in mysql statement 说明，占位符少了
not enough params used in mysql statement 说明，占位符多了
补充：python中的insert和append
两者都是对python内的列表进行操作，append()方法是值在列表的末尾增加一个数据项，insert()方法是指在某个特定位置前加一个数据项。
Python内的list实现是通过数组实现的，而不是链表的形式，所以每当执行insert()操作时，都要将插入位置的元素向后移动才能在相应的位置插入元素，执行append()操作时，如果分配的空间还足够大的话那么就可以直接插到最后，如果空间不够的话就需要将已有的数据复制到一片更大的空间后再插入新元素，insert()空间不够的话也是同样。
补充：Python中列表的append操作比insert操作效率高的实质
Python中的列表并不是传统意义上的列表，这也是Python中列表的append操作比insert操作高效的根本原因。
传统意义上的列表，通常叫做链表，是通过一系列的节点来实现的，每个节点（尾节点除外）都有一个指向下一个节点的指针。
简单单向链表（双向链表多一个指向前一个节点的指针）实现如下：
|
1
2
3
4
5
6
7
8
|
class Node:
def __init__(self,value,next=Node)
self.value=value
self.next=next
将节点构造成列表：
>>>L=Node("a",Node("b",Node("c",Node("d"))))
>>>L.next.next.value
'c'
|
但是Python中的列表则与此不同。
它不是由若干个独立的节点相互引用而组成的，而是一整块单一连续的内存区块--我们通常称之为数组。这直接导致其与链表之间的一些区别。
例如，尽管两者在遍历时的效率相差无几（除了链表有一些额外开销），但是如果我们按照既定索引值对某元素进行直接访问的话，显然使用数组会更加的高效。
因为在数组中，我们通常可以直接计算出目标元素在内存中的位置，并对其进行直接访问。而对于链表，我们需要从头开始遍历整个链表。
但是对于insert操作来说，情况又有所不同。
对于链表而言，只要知道了在哪里执行insert操作，其操作成本是非常低的。
无论该链表中有多少元素，其操作时间大致相同。但是，对于数组而言，每次执行insert操作都需要移动插入点右边所有的元素，甚至在必要时需要把所有数组元素复制到另外一个更大的数组中。
也正因如此，append操作通常会采用一种被称为动态数组或向量的特定解决方案。
其主要思路是将内存分配的过大一些，并且等到其溢出时，在线性时间内再次重新分配内存。但这样做似乎会使得append操作变得跟insert操作一样糟糕。
其实不然，因为尽管这两种情况会迫使我们去搬动大量的元素，但主要的不同点在于，对于append操作，发生这样的可能性要小得多。
事实上，只要我们能确保每次所搬入的数组都大过原数组一定的比例（例如20%甚至100%），那么该操作的平均成本（或者说的更确切一些，将这些搬运开销均摊到每次append操作中去）通常是常数的。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/a18302465887/article/details/79311765