Udostępnij za pomocą

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-pythonkod źródłowy mssql-pythonPakiet (PyPi)Visual Studio Code

Wymagania wstępne

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 projektu i uruchamianie kodu

Tworzenie nowego projektu

  1. 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.

  2. 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

  1. Plik pyproject.toml zawiera metadane projektu.

  2. Zaktualizuj opis, aby był bardziej opisowy.

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

  3. Zapisz i zamknij plik.

Zapisz łańcuch połączeniowy

  1. .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

  2. W bieżącym katalogu utwórz nowy plik o nazwie .env.

  3. 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

  1. Wybierz Plik, a następnie z listy Nowy plik i Jupyter Notebook. Otwiera się nowy notes.

  2. Wybierz pozycję Plik, a następnie pozycję Zapisz jako... i nadaj nowemu notesowi nazwę.

  3. 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

  4. Użyj przycisku + Markdown w górnej części notesu, aby dodać nową komórkę markdown.

  5. Dodaj następujący tekst do nowej komórki markdown.

    ## Define queries for use later

  6. Zaznacz znak wyboru na pasku narzędzi komórki lub użyj skrótów klawiaturowych Ctrl+Enter lub Shift+Enter w celu renderowania komórki markdown.

  7. Użyj przycisku + Kod w górnej części notesu, aby dodać nową komórkę kodu.

  8. 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

  1. Użyj przycisku + Markdown w górnej części notesu, aby dodać nową komórkę markdown.

  2. Dodaj następujący tekst do nowej komórki markdown.

    ## Print orders by customer and display in a table

  3. Zaznacz znak wyboru na pasku narzędzi komórki lub użyj skrótów klawiaturowych Ctrl+Enter lub Shift+Enter w celu renderowania komórki markdown.

  4. Użyj przycisku + Kod w górnej części notesu, aby dodać nową komórkę kodu.

  5. 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

    Aby korzystać z uwierzytelniania Microsoft Entra w systemie macOS, musisz być zalogowany za pośrednictwem rozszerzenia Azure Repos w programie Visual Studio Code, albo uruchamiając az login za pośrednictwem interfejsu wiersza poleceń Azure CLI.

  6. Użyj przycisku Uruchom wszystko w górnej części notesu, aby uruchomić notes.

  7. Po wyświetleniu monitu wybierz jądro jupyter-notebook-qs .

Wyświetlanie wyników na wykresie

  1. Przejrzyj dane wyjściowe ostatniej komórki. Powinna zostać wyświetlona tabela z trzema kolumnami i pięcioma wierszami.

  2. Użyj przycisku + Markdown w górnej części notesu, aby dodać nową komórkę markdown.

  3. Dodaj następujący tekst do nowej komórki markdown.

    ## Display spend by category in a horizontal bar chart

  4. Zaznacz znak wyboru na pasku narzędzi komórki lub użyj skrótów klawiaturowych Ctrl+Enter lub Shift+Enter w celu renderowania komórki markdown.

  5. Użyj przycisku + Kod w górnej części notesu, aby dodać nową komórkę kodu.

  6. 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'])

  7. Użyj przycisku Wykonaj komórkę lub Ctrl+Alt+Enter do uruchomienia komórki.

  8. 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

  • Last updated on