Daten speichern und abrufen =========================== Ihr könnt eure Daten persistent in :doc:`files` im :doc:`filesystem` speichern. In der Python-Standardbibliothek gibt es darüberhinaus mehrere Module, Daten in eine lineare Form umzuwandeln. Dieser Prozess wird *Serialisierung* oder *Marshalling* genannt. Der umgekehrte Vorgang heißt dann *Deserialisierung* oder *Unmarshalling*. Und wenn die :ref:`eingebauten Module ` nicht ausreichen sollten, könnt ihr auch die :ref:`pandas-io-tools` verwenden. .. tip:: `cusy Seminar: Daten lesen, schreiben und bereitstellen mit Python `_ .. toctree:: :titlesonly: :hidden: files filesystem modules pickle xml Die Python-Datenbank-API ------------------------ Die Python Database :abbr:`API (Application Programming Interface)` definiert eine Standardschnittstelle für Python-Datenbank-Zugriffsmodule. Sie ist in :pep:`249` definiert und wird häufig verwendet, :abbr:`z.B. (zum Beispiel)` von :doc:`sqlite `, :doc:`psycopg `, and `mysql-python `_. .. toctree:: :titlesonly: :hidden: sqlite/index psycopg SQLAlchemy ---------- :doc:`Python4DataScience:data-processing/postgresql/sqlalchemy` ist ein weit verbreitetes Datenbank-Toolkit. Es bietet nicht nur als ein :abbr:`ORM (Object Relational Mapper)`, sondern bietet auch eine allgemeine API zum Schreiben von datenbankagnostischem Code ohne SQL. :doc:`Python4DataScience:data-processing/postgresql/alembic` basiert auf SQLAlchemy und dient als Datenbank-Migrationswerkzeug. NoSQL-Datenbanken ----------------- Es gibt Daten, die sich nur schwer in ein relationales Datenmodell übertragen lassen. Dann solltet ihr zumindest einen Blick auf :doc:`Python4DataScience:data-processing/nosql/index` werfen.