빠른 시작: Jupyter Notebook에서 SQL 데이터베이스에 연결

이 퀵스타트에서는 Visual Studio Code의 Jupyter Notebook을 사용하여 빠르게 비즈니스 인사이트를 도출하세요. Python 드라이버를 mssql-python 사용해 SQL 데이터베이스에 연결하고, 데이터를 읽은 후 이메일, 보고서, 프레젠테이션에 사용할 수 있도록 포맷하세요.

드라이버에는 mssql-python Windows 컴퓨터에 대한 외부 종속성이 필요하지 않습니다. 드라이버는 단일 pip 설치로 필요한 모든 것을 설치하므로 업그레이드 및 테스트할 시간이 없는 다른 스크립트를 중단하지 않고도 새 스크립트에 최신 버전의 드라이버를 사용할 수 있습니다.

mssql-python 설명서 | mssql-python 소스 코드 | 패키지(PyPI) | Visual Studio Code

필수 조건

SQL 데이터베이스 만들기

다음 플랫폼 중 하나에서 SQL 데이터베이스를 생성하거나 연결하세요:

프로젝트 만들기 및 코드 실행

새 프로젝트 만들기

  1. 개발 디렉터리에서 명령 프롬프트를 엽니다. 디렉터리가 없다면, 예를 들어 python 또는 scripts와 같은 새 디렉터리를 만드세요. OneDrive에 폴더를 설치하지 마세요. 동기화가 가상 환경 관리에 방해가 될 수 있습니다.

  2. 를 사용하여 새 프로젝트를 만듭니다 uv.

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

종속성 추가

동일한 디렉터리에 , mssql-python, python-dotenvrich및 pandas 패키지를 설치matplotlib합니다. 그런 다음 개발 종속성을 추가하고 ipykerneluv 추가합니다. VS Code에서 노트북 셀을 실행하려면 ipykernel이(가) 필요하고, 노트북 셀 내에서 패키지를 관리하려면 uv이(가) 필요합니다.

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

Visual Studio Code 시작

동일한 디렉터리에서 다음 명령을 실행합니다.

code .

pyproject.toml 업데이트

  1. pyproject.toml에는 프로젝트에 대한 메타데이터가 포함됩니다.

  2. 설명을 더 자세히 설명하도록 업데이트합니다.

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

  3. 파일을 저장 후 닫습니다.

연결 문자열 저장

  1. .gitignore 파일을 열고 .env 파일에 대한 제외를 추가합니다. 파일은 이 예제와 유사해야 합니다. 완료되면 저장하고 닫아야 합니다.

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

# Virtual environments
.venv

# Connection strings and secrets
.env

  2. 현재 디렉터리에서 새 파일을 만듭니다 .env.

  3. .env 파일 내부에서 SQL_CONNECTION_STRING이라는 이름의 연결 문자열 항목을 추가합니다. 여기서 예제를 실제 연결 문자열 값으로 바꿉다.

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

    팁 (조언)

    여기서 사용되는 연결 문자열은 연결하려는 SQL 데이터베이스의 유형에 따라 크게 달라집니다. Azure SQL Database 또는 Fabric의 SQL 데이터베이스에 연결하는 경우 연결 문자열 탭에서 ODBC 연결 문자열을 사용합니다. 시나리오에 따라 인증 유형을 조정해야 할 수도 있습니다. 연결 문자열 및 해당 구문에 대한 자세한 내용은 연결 문자열 구문 참조를 참조하세요.

Jupyter Notebook 만들기

  1. 목록에서 파일, 새 파일 및 Jupyter Notebook을 선택합니다. 새 전자 필기장이 열립니다.

  2. 파일을 선택한 다음 다른 이름으로 저장하고 새 전자 필기장 이름을 지정합니다.

  3. 첫 번째 셀에 다음 가져오기를 추가합니다.

    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. Notebook 맨 위에 있는 + Markdown 단추를 사용하여 새 markdown 셀을 추가합니다.

  5. 새 markdown 셀에 다음 텍스트를 추가합니다.

    ## Define queries for use later

  6. 셀 도구 모음에서 확인 표시를 선택하거나 Ctrl+Enter 또는 Shift+Enter 바로 가기 키를 사용하여 markdown 셀을 렌더링합니다.

  7. Notebook 맨 위에 있는 + 코드 단추를 사용하여 새 코드 셀을 추가합니다.

  8. 새 코드 셀에 다음 코드를 추가합니다.

    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;
"""

테이블에 결과 표시

  1. Notebook 맨 위에 있는 + Markdown 단추를 사용하여 새 markdown 셀을 추가합니다.

  2. 새 markdown 셀에 다음 텍스트를 추가합니다.

    ## Print orders by customer and display in a table

  3. 셀 도구 모음에서 확인 표시를 선택하거나 Ctrl+Enter 또는 Shift+Enter 바로 가기 키를 사용하여 markdown 셀을 렌더링합니다.

  4. Notebook 맨 위에 있는 + 코드 단추를 사용하여 새 코드 셀을 추가합니다.

  5. 새 코드 셀에 다음 코드를 추가합니다.

    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)

    팁 (조언)

    macOS에서는 Microsoft Entra 인증을 위해 ActiveDirectoryInteractive 및 ActiveDirectoryDefault가 모두 작동합니다. ActiveDirectoryInteractive 는 스크립트를 실행할 때마다 로그인하라는 메시지를 표시합니다. 반복적인 로그인 프롬프트를 피하려면 Azure CLI에서 한 번 로그인하여 , 를 실행az login한 후 를 사용ActiveDirectoryDefault해 캐시된 자격 증명을 재사용하세요.

  6. Notebook 맨 위에 있는 모두 실행 단추를 사용하여 Notebook을 실행합니다.

  7. 메시지가 표시되면 jupyter-notebook-qs 커널을 선택합니다.

차트에 결과 표시

  1. 마지막 셀의 출력을 검토합니다. 세 개의 열과 5개의 행이 있는 테이블이 표시됩니다.

  2. Notebook 맨 위에 있는 + Markdown 단추를 사용하여 새 markdown 셀을 추가합니다.

  3. 새 markdown 셀에 다음 텍스트를 추가합니다.

    ## Display spend by category in a horizontal bar chart

  4. 셀 도구 모음에서 확인 표시를 선택하거나 Ctrl+Enter 또는 Shift+Enter 바로 가기 키를 사용하여 markdown 셀을 렌더링합니다.

  5. Notebook 맨 위에 있는 + 코드 단추를 사용하여 새 코드 셀을 추가합니다.

  6. 새 코드 셀에 다음 코드를 추가합니다.

    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. 셀 실행 단추를 사용하거나 Ctrl+Alt+Enter 셀을 실행합니다.

  8. 결과를 검토합니다. 이 전자 필기장을 직접 만드십시오.

다음 단계

이 글들을 활용해 계속 성장하세요:

  • 서로 다른 SQL 데이터베이스 유형과 인증 방법에 대해 연결을 구성할 수 있는 연결 문자열을 구축하세요.
  • pandas 통합 을 통해 쿼리 결과를 데이터프레임에 직접 불러와 노트북에서 분석할 수 있습니다.
  • 고성능 분석을 위해 Apache Arrow를 사용하여 열 지향 데이터를 처리할 수 있는 Arrow 통합

연결 문자열 구축

  • Last updated on