fastapi操作sql以及jwt

---

一、pandas是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。@TOC

使用fastapi

install

pip install fastapi
pip install uvicorn
pip install sqlalchemy

File Structure

sqlapp
		database.py	# 连接数据库文件
		crud.py			# 增删改查
		models.py		# 表文件
		schemas.py		
		
utils
		jwt.py			# 基于用户jwt
		
CustomMiddleware
		verification_user.py  # 自定义中间件
		
app
		main.py		#程序入口

sql

fastapi使用sql

1. database.py
   首先需要定义数据库部分，作为demo，使用sqlite作为我们的数据库。这部分都是常规配置操作。

   from sqlalchemy import create_engine
   from sqlalchemy.ext.declarative import declarative_base
   from sqlalchemy.orm import sessionmaker
   
   SQLALCHEMY_DATABASE_URL = "sqlite:///./fast_model.db"
   # SQLALCHEMY_DATABASE_URL = "postgresql://user:password@postgresserver/db"
   # SQLALCHEMY_DATABASE_URL = "mysql://root:123456@localhost:3306/fast"
   
   engine = create_engine(
       SQLALCHEMY_DATABASE_URL, connect_args={"check_same_thread": False}
   )
   SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)
   Base = declarative_base()
   

2. models.py
   第二步需要定义我们的表结构，这里定义了User表存储用户数据，item表用于存储物品数据，两者关系是一对多。

   from sqlalchemy import Boolean, Column, ForeignKey, Integer, String
   from sqlalchemy.orm import relationship
   
   from .database import Base
   
   
   class User(Base):
       __tablename__ = "users"
   
       id = Column(Integer, primary_key=True, index=True)
       email = Column(String, unique=True, index=True)
       hashed_password = Column(String)
       is_active = Column(Boolean, default=True)
   
       # item表用于存储物品数据，两者关系是一对多
       items = relationship("Item", back_populates="owner")
   
       def to_dict(self):
           return {c.name: getattr(self, c.name)