1
2
3
4
5

import lancedb

#创建客户端
url = "./data/sample-lancedb"
db = lancedb.connect(url)

1
2
3
4
5
6
7
8
9

#1. 建表的同时添加数据
data = [
    {"vector": [3.1, 4.1], "item": "foo", "price": 10.0},
    {"vector": [5.9, 26.5], "item": "bar", "price": 20.0},
]
tbl = db.create_table("my_table", data=data)
#可选参数:
#mode='overwrite' - 覆盖已经创建的同名表
#exist_ok=True - 不覆盖已经创建的同名表，直接打开

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14

#2. 创建一张空表
schema = pa.schema([pa.field("vector", pa.list_(pa.float32(), list_size=2))])
tbl = db.create_table("empty_table", schema=schema)

# 直接添加数据
data = [
    {"vector": [1.3, 1.4], "item": "fizz", "price": 100.0},
    {"vector": [9.5, 56.2], "item": "buzz", "price": 200.0},
]
tbl.add(data)

# 添加df数据帧
df = pd.DataFrame(data)
tbl.add(data)

1
2
3
4
5
6

# Synchronous client

#通过向量来查找相似的向量
tbl.search([100, 100]).limit(2).to_pandas()

"""默认情况下没有对向量创建索引，因此是全表暴力检索。官方推荐数据量超过50万以上才需要创建索引，否则全表暴力检索的延迟也在可以接受的范围之内。"""

1
2

#类似SQL语法中的WHERE声明，需要指定字段和对应的值
tbl.delete('item = "fizz"')

1
2

#类似SQL语法中的UPDATE声明，需要指定字段和对应的值
table.update(where='item = "fizz"', values={"vector": [10, 10]})

1

db.drop_table("my_table")

1
2

print(db.table_names())
tbl = db.open_table("my_table")