Rychlý start: Připojení k databázi SQL z poznámkového bloku Jupyter

V tomto rychlém startu použijte Jupyter Notebook ve Visual Studio Code k rychlému získání obchodních poznatků. Použijte mssql-python ovladač pro Python k připojení k vaší SQL databázi, přečtěte data a pak je naformátujte pro použití v e-mailech, reportech a prezentacích.

Ovladač mssql-python nevyžaduje žádné externí závislosti na počítačích s Windows. Ovladač nainstaluje všechno, co potřebuje, s jednou pip instalací, což vám umožní používat nejnovější verzi ovladače pro nové skripty bez přerušení jiných skriptů, které nemáte čas upgradovat a testovat.

Dokumentace mssql-python | | |

Požadavky

  • Python 3.10 nebo novější

  • Pokud ještě nemáte Python, nainstalujte z python.orgPython runtime a správce balíčků pip.

  • Nechcete používat vlastní prostředí? Postupujte podle Kontejner a místní vývoj a vytvořte reprodukovatelné vývojové prostředí devcontainer nebo GitHub Codespaces.

  • Visual Studio Code s následujícími rozšířeními:

  • Azure Command-Line Interface (CLI) pro ověřování bez hesla v systému macOS a Linux.

  • Pokud ještě uvnemáte, postupujte podle pokynů k instalaci.

  • Databáze na SQL Serveru, Azure SQL Database nebo SQL databáze v Fabric s ukázkovým AdventureWorks2025 schématem a platným připojovacím řetězcem.

  • Nainstalujte požadavky specifické pro jednorázový operační systém.

    apk add libtool krb5-libs krb5-dev

Vytvoření databáze SQL

Vytvořte nebo se připojte k SQL databázi na jedné z následujících platforem:

Vytvoření projektu a spuštění kódu

Vytvoření nového projektu

  1. Otevřete příkazový řádek ve vývojovém adresáři. Pokud žádný nemáte, vytvořte nový adresář, například python nebo scripts. Vyhněte se složkám na OneDrive, protože synchronizace může narušit správu virtuálního prostředí.

  2. Vytvořte nový projekt pomocí uvpříkazu .

    uv init jupyter-notebook-qs
cd jupyter-notebook-qs

Přidejte závislosti

Ve stejném adresáři nainstalujte mssql-python, python-dotenv, rich, pandas a matplotlib balíčky. Pak přidejte ipykernel a uv jako vývojové závislosti. VS Code vyžaduje ipykernel ke spouštění buněk notebooku a uv ke správě balíčků přímo z buněk notebooku.

uv add mssql-python python-dotenv rich pandas matplotlib
uv add --dev ipykernel
uv add --dev uv

Spusťte Visual Studio Code

Ve stejném adresáři spusťte následující příkaz.

code .

Aktualizace pyproject.toml

  1. Soubor pyproject.toml obsahuje metadata pro váš projekt.

  2. Aktualizujte popis, aby byl popisnější.

    description = "A quick example using the mssql-python driver and Jupyter Notebooks."

  3. Uložte a zavřete soubor.

Uložte řetězec připojení

  1. .gitignore Otevřete soubor a přidejte vyloučení souborů.env. Soubor by měl být podobný tomuto příkladu. Až budete hotovi, nezapomeňte ho uložit a zavřít.

    # Python-generated files
__pycache__/
*.py[oc]
build/
dist/
wheels/
*.egg-info

# Virtual environments
.venv

# Connection strings and secrets
.env

  2. V aktuálním adresáři vytvořte nový soubor s názvem .env.

  3. .env V souboru přidejte položku pro připojovací řetězec s názvem SQL_CONNECTION_STRING. Příklad zde nahraďte skutečnou hodnotou připojovacího řetězce.

    SQL_CONNECTION_STRING="Server=<server_name>;Database=<database_name>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"

    Návod

    Připojovací řetězec použitý zde do značné míry závisí na typu databáze SQL, ke které se připojujete. Pokud se připojujete k Azure SQL Database nebo k SQL databázi ve Fabric, použijte připojovací řetězec ODBC z karty Připojovací řetězce. Možná budete muset upravit typ ověřování v závislosti na vašem scénáři. Další informace o připojovacích řetězcích a jejich syntaxi najdete v referenčních informacích k syntaxi připojovacího řetězce.

Vytvoření poznámkového bloku Jupyter

  1. V seznamu vyberte Soubor, pak Nový soubor a Jupyter Notebook . Otevře se nový poznámkový blok.

  2. Vyberte Soubor, pak Uložit jako... a pojmenujte nový poznámkový blok.

  3. Do první buňky přidejte následující importy.

    from os import getenv
from mssql_python import connect
from dotenv import load_dotenv
from rich.console import Console
from rich.table import Table
import pandas as pd
import matplotlib.pyplot as plt

  4. Pomocí tlačítka + Markdown v horní části poznámkového bloku přidejte novou buňku Markdownu.

  5. Do nové buňky markdownu přidejte následující text.

    ## Define queries for use later

  6. Vyberte zaškrtávací políčko na panelu nástrojů buňky nebo použijte klávesové zkratky Ctrl+Enter nebo Shift+Enter k vykreslení markdownové buňky.

  7. Pomocí tlačítka + Kód v horní části poznámkového bloku přidejte novou buňku kódu.

  8. Do nové buňky kódu přidejte následující kód.

    SQL_QUERY_ORDERS_BY_CUSTOMER = """
SELECT TOP 5
c.CustomerID,
c.CompanyName,
COUNT(soh.SalesOrderID) AS OrderCount
FROM
SalesLT.Customer AS c
LEFT OUTER JOIN SalesLT.SalesOrderHeader AS soh
ON c.CustomerID = soh.CustomerID
GROUP BY
c.CustomerID,
c.CompanyName
ORDER BY
OrderCount DESC;
"""

SQL_QUERY_SPEND_BY_CATEGORY = """
select top 10
pc.Name as ProductCategory,
SUM(sod.OrderQty * sod.UnitPrice) as Spend
from SalesLT.SalesOrderDetail sod
inner join SalesLT.SalesOrderHeader soh on sod.salesorderid = soh.salesorderid
inner join SalesLT.Product p on sod.productid = p.productid
inner join SalesLT.ProductCategory pc on p.ProductCategoryID = pc.ProductCategoryID
GROUP BY pc.Name
ORDER BY Spend;
"""

Zobrazení výsledků v tabulce

  1. Pomocí tlačítka + Markdown v horní části poznámkového bloku přidejte novou buňku Markdownu.

  2. Do nové buňky markdownu přidejte následující text.

    ## Print orders by customer and display in a table

  3. Vyberte zaškrtávací políčko na panelu nástrojů buňky nebo použijte klávesové zkratky Ctrl+Enter nebo Shift+Enter k vykreslení markdownové buňky.

  4. Pomocí tlačítka + Kód v horní části poznámkového bloku přidejte novou buňku kódu.

  5. Do nové buňky kódu přidejte následující kód.

    load_dotenv()
with connect(getenv("SQL_CONNECTION_STRING")) as conn: # type: ignore
    with conn.cursor() as cursor:
        cursor.execute(SQL_QUERY_ORDERS_BY_CUSTOMER)
        if cursor:
            table = Table(title="Orders by Customer")
            # https://rich.readthedocs.io/en/stable/appendix/colors.html
            table.add_column("Customer ID", style="bright_blue", justify="center")
            table.add_column("Company Name", style="bright_white", justify="left")
            table.add_column("Order Count", style="bold green", justify="right")

            records = cursor.fetchall()

            for r in records:
                table.add_row(f"{r.CustomerID}",
                                f"{r.CompanyName}", f"{r.OrderCount}")

            Console().print(table)

    Návod

    V systému macOS funguje ověřování pomocí Microsoft Entra jak s ActiveDirectoryInteractive, tak s ActiveDirectoryDefault. ActiveDirectoryInteractive vás vyzve k přihlášení při každém spuštění skriptu. Abychom se vyhnuli opakovaným výzvám k přihlášení, přihlaste se jednou přes Azure CLI spuštěním az login, poté použijte ActiveDirectoryDefault, které znovu použije cacheované přihlašovací údaje.

  6. Ke spuštění poznámkového bloku použijte tlačítko Spustit vše v horní části poznámkového bloku.

  7. Vyberte jádro jupyter-notebook-qs, když se zobrazí výzva.

Zobrazení výsledků v grafu

  1. Zkontrolujte výstup poslední buňky. Měla by se zobrazit tabulka se třemi sloupci a pěti řádky.

  2. Pomocí tlačítka + Markdown v horní části poznámkového bloku přidejte novou buňku Markdownu.

  3. Do nové buňky markdownu přidejte následující text.

    ## Display spend by category in a horizontal bar chart

  4. Vyberte zaškrtávací políčko na panelu nástrojů buňky nebo použijte klávesové zkratky Ctrl+Enter nebo Shift+Enter k vykreslení markdownové buňky.

  5. Pomocí tlačítka + Kód v horní části poznámkového bloku přidejte novou buňku kódu.

  6. Do nové buňky kódu přidejte následující kód.

    with connect(getenv("SQL_CONNECTION_STRING")) as conn: # type: ignore
    data = pd.read_sql_query(SQL_QUERY_SPEND_BY_CATEGORY, conn)
    # Set the style - use print(plt.style.available) to see all options
    plt.style.use('seaborn-v0_8-notebook')
    plt.barh(data['ProductCategory'], data['Spend'])

  7. Pomocí tlačítka Spustit buňku nebo Ctrl+Alt+Enter buňku spusťte.

  8. Zkontrolujte výsledky. Vytvořte si tento poznámkový blok jako svůj vlastní.

Další kroky

Použijte tyto články k dalšímu budování:

  • Vytvořte řetězce spojení pro konfiguraci spojení pro různé typy SQL databází a metody autentizace.
  • integrace s pandas pro načítání výsledků dotazů přímo do datových rámců pro analýzu v noteboocích.
  • Integrace Arrow pro práci se sloupcovými daty pomocí Apache Arrow pro vysoce výkonnou analytiku.

Vytváření připojovacích řetězců

  • Last updated on