Szybki start: nawiązywanie połączenia z bazą danych SQL z Jupyter Notebook

W tym krótkim przewodniku użyjesz notesu Jupyter Notebook w programie Visual Studio Code, aby szybko uzyskać wgląd w dane biznesowe. Używasz sterownika języka Python mssql-python, aby połączyć się z bazą danych SQL i odczytujesz dane, które są następnie formatowane do użycia w wiadomościach e-mail, raportach, prezentacjach itp.

Sterownik mssql-python nie wymaga żadnych zależności zewnętrznych na maszynach z systemem Windows. Sterownik instaluje wszystko, czego potrzebuje w ramach pojedynczej pip instalacji, co pozwala na użycie najnowszej wersji sterownika dla nowych skryptów bez przerywania innych skryptów, których nie masz czasu na uaktualnienie i przetestowanie.

Dokumentacja mssql-python Kod źródłowy mssql-python Pakiet (PyPI)Visual Studio Code

Wymagania wstępne

Python 3
- Jeśli nie masz jeszcze języka Python, zainstaluj środowisko uruchomieniowe języka Python i menedżera pakietów z python.org.
- Nie chcesz używać własnego środowiska? Otwórz jako devcontainer przy użyciu usługi GitHub Codespaces.
Visual Studio Code z następującymi rozszerzeniami:
- Rozszerzenie języka Python dla programu Visual Studio Code
- Rozszerzenie Jupyter dla programu Visual Studio Code
Interfejs azure Command-Line (CLI) na potrzeby uwierzytelniania bez hasła w systemach macOS i Linux.
Jeśli jeszcze nie masz uvprogramu , postępuj zgodnie z instrukcjami instalacji.
Baza danych w programie SQL Server, usłudze Azure SQL Database lub bazie danych SQL w usłudze Fabric z przykładowym AdventureWorks2025 schematem i prawidłowymi parametrami połączenia.

Zainstaluj jednorazowe wymagania wstępne dotyczące systemu operacyjnego.

apk add libtool krb5-libs krb5-dev

apt-get install -y libltdl7 libkrb5-3 libgssapi-krb5-2

dnf install -y libtool-ltdl krb5-libs

zypper install -y libltdl7 libkrb5-3 libgssapi-krb5-2

zypper install -y libltdl7

brew install openssl

Tworzenie bazy danych SQL

Ten szybki start wymaga schematu AdventureWorks2025 Lightweight w Microsoft SQL Server, bazie danych SQL w Fabric lub Azure SQL Database.

Tworzenie bazy danych SQL w ciągu kilku minut przy użyciu witryny Azure Portal

Tworzenie nowego projektu

Otwórz wiersz polecenia w katalogu deweloperów. Jeśli go nie masz, utwórz nowy katalog o nazwie python, scriptsitp. Unikaj folderów w usłudze OneDrive, synchronizacja może zakłócać zarządzanie środowiskiem wirtualnym.

Utwórz nowy projekt za pomocą polecenia uv.

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

Dodawanie zależności

W tym samym katalogu zainstaluj pakiety mssql-python, python-dotenv, rich, pandas i matplotlib. Następnie dodaj ipykernel i uv jako zależności deweloperskie. Program VS Code wymaga dodania elementów ipykernel i uv, aby móc korzystać z uv wewnątrz komórek notesu przy użyciu poleceń takich jak !uv add mssql_python.

uv add mssql_python dotenv rich pandas matplotlib
uv add --dev ipykernel
uv add --dev uv

Uruchom program Visual Studio Code.

W tym samym katalogu uruchom następujące polecenie.

code .

Aktualizowanie pliku pyproject.toml

Plik pyproject.toml zawiera metadane projektu.

Zaktualizuj opis, aby był bardziej opisowy.

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

Zapisz i zamknij plik.

Zapisz łańcuch połączeniowy

.gitignore Otwórz plik i dodaj wykluczenie dla .env plików. Plik powinien być podobny do tego przykładu. Pamiętaj, aby zapisać i zamknąć go po zakończeniu.
```
# Python-generated files
__pycache__/
*.py[oc]
build/
dist/
wheels/
*.egg-info

# Virtual environments
.venv

# Connection strings and secrets
.env
```
W bieżącym katalogu utwórz nowy plik o nazwie .env.
W pliku .env dodaj wpis dla łańcucha połączenia o nazwie SQL_CONNECTION_STRING. Zastąp przykład wartością rzeczywistych parametrów połączenia.
```
SQL_CONNECTION_STRING="Server=<server_name>;Database=<database_name>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"
```
Wskazówka

Parametry połączenia używane w tym miejscu w dużej mierze zależą od typu bazy danych SQL, z którą nawiązujesz połączenie. Jeśli nawiązujesz połączenie z usługą Azure SQL Database lub bazą danych SQL w sieci szkieletowej, użyj parametrów połączenia ODBC z karty parametry połączenia. W zależności od scenariusza może być konieczne dostosowanie typu uwierzytelniania. Aby uzyskać więcej informacji na temat parametrów połączenia i ich składni, zobacz dokumentację składni parametrów połączenia.

Tworzenie notesu Jupyter

Wybierz Plik, a następnie z listy Nowy plik i Jupyter Notebook. Otwiera się nowy notes.
Wybierz pozycję Plik, a następnie pozycję Zapisz jako... i nadaj nowemu notesowi nazwę.

Dodaj następujące importy w pierwszej komórce.

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

Użyj przycisku + Markdown w górnej części notesu, aby dodać nową komórkę markdown.
Dodaj następujący tekst do nowej komórki markdown.
```
## Define queries for use later
```
Zaznacz znak wyboru na pasku narzędzi komórki lub użyj skrótów klawiaturowych Ctrl+Enter lub Shift+Enter w celu renderowania komórki markdown.
Użyj przycisku + Kod w górnej części notesu, aby dodać nową komórkę kodu.

Dodaj następujący kod do nowej komórki kodu.

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;
"""

Wyświetlanie wyników w tabeli

Użyj przycisku + Markdown w górnej części notesu, aby dodać nową komórkę markdown.
Dodaj następujący tekst do nowej komórki markdown.
```
## Print orders by customer and display in a table
```
Zaznacz znak wyboru na pasku narzędzi komórki lub użyj skrótów klawiaturowych Ctrl+Enter lub Shift+Enter w celu renderowania komórki markdown.
Użyj przycisku + Kod w górnej części notesu, aby dodać nową komórkę kodu.

Dodaj następujący kod do nowej komórki kodu.

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)

Wskazówka

Zarówno ActiveDirectoryInteractive, jak i ActiveDirectoryDefault działają na systemie macOS do uwierzytelniania Microsoft Entra. ActiveDirectoryInteractive monituje o zalogowanie się przy każdym uruchomieniu skryptu. Aby uniknąć powtarzających się monitów logowania, zaloguj się raz za pośrednictwem interfejsu wiersza polecenia platformy Azure, uruchamiając az login, a następnie użyj ActiveDirectoryDefault, które ponownie wykorzystuje buforowane poświadczenia.

Użyj przycisku Uruchom wszystko w górnej części notesu, aby uruchomić notes.
Po wyświetleniu monitu wybierz jądro jupyter-notebook-qs .

Wyświetlanie wyników na wykresie

Przejrzyj dane wyjściowe ostatniej komórki. Powinna zostać wyświetlona tabela z trzema kolumnami i pięcioma wierszami.
Użyj przycisku + Markdown w górnej części notesu, aby dodać nową komórkę markdown.

Dodaj następujący tekst do nowej komórki markdown.

## Display spend by category in a horizontal bar chart

Zaznacz znak wyboru na pasku narzędzi komórki lub użyj skrótów klawiaturowych Ctrl+Enter lub Shift+Enter w celu renderowania komórki markdown.
Użyj przycisku + Kod w górnej części notesu, aby dodać nową komórkę kodu.

Dodaj następujący kod do nowej komórki kodu.

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'])

Użyj przycisku Wykonaj komórkę lub Ctrl+Alt+Enter do uruchomienia komórki.
Przejrzyj wyniki. Uczyń ten notatnik swoim własnym.

Następny krok

Odwiedź repozytorium GitHub sterowników mssql-python, aby uzyskać więcej przykładów, wnieść pomysły lub zgłaszać problemy.

sterownik mssql-python w witrynie GitHub

Opinia

Czy ta strona była pomocna?

Last updated on 2026-03-18

Udostępnij za pośrednictwem

Szybki start: nawiązywanie połączenia z bazą danych SQL z Jupyter Notebook

Wymagania wstępne

Tworzenie bazy danych SQL

Tworzenie projektu i uruchamianie kodu

Tworzenie nowego projektu

Dodawanie zależności

Uruchom program Visual Studio Code.

Aktualizowanie pliku pyproject.toml

Zapisz łańcuch połączeniowy

Tworzenie notesu Jupyter

Wyświetlanie wyników w tabeli

Wyświetlanie wyników na wykresie

Następny krok

Opinia

Dodatkowe zasoby