快速入门：从 Jupyter Notebook 连接到 SQL 数据库

在本快速入门中，使用Visual Studio Code中的Jupyter Notebook快速获取业务洞察。使用mssql-pythonPython驱动连接SQL数据库，读取数据，然后格式化以便用于邮件、报告和演示文稿。

驱动程序 mssql-python 不需要 Windows 计算机上的任何外部依赖项。驱动程序通过单个 pip 安装来安装它所需的一切，使你能够将最新版本的驱动程序用于新脚本，同时不会影响那些没有时间升级和测试的其他脚本。

mssql-python 文档 | mssql-python 源代码 | 包（PyPI） | Visual Studio Code

先决条件

Python 3.10 或更高版本
如果还没有 Python，请从 python.org 安装 Python 运行时和 pip 包管理器。
不想使用您自己的环境吗？遵循容器和本地开发，创建一个可复现的开发容器或 GitHub Codespaces 环境。
具有以下扩展的 Visual Studio Code：
- 适用于 Visual Studio Code 的 Python 扩展
- Visual Studio Code 的 Jupyter 扩展
Azure Command-Line 接口（CLI）用于在 macOS 和 Linux 上进行无密码身份验证。
如果尚未安装 uv，请按照安装说明操作。
一个基于 SQL Server、Azure SQL 数据库或 Fabric 中的 SQL 数据库的数据库，包含 AdventureWorks2025 示例架构和有效的连接字符串。

安装一次性操作系统特定的先决程序。

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

创建 SQL 数据库

在以下平台之一创建或连接SQL数据库：

使用 Azure 门户在几分钟内创建 SQL 数据库

创建新项目

在开发目录中打开命令提示符。如果没有，可以创建一个新的目录，比如 python 或 scripts。避免在OneDrive上放置文件夹，因为同步会影响管理虚拟环境。

使用 . 创建一个新uv。

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

添加依赖项

在同一目录中，安装 mssql-python、python-dotenvrich、、pandas和matplotlib包。然后添加 ipykernel 并 uv 作为开发依赖项。 VS Code 需要使用 ipykernel 来运行笔记本单元格，并使用 uv 在笔记本单元格中管理包。

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

启动 Visual Studio Code

在同一目录中运行以下命令。

code .

更新 pyproject.toml

pyproject.toml 包含项目的元数据。

更新说明以更具描述性。

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

保存并关闭该文件。

保存连接字符串

打开.gitignore文件，并为.env文件添加一个排除项。文件应类似于此示例。完成后，请务必保存并关闭它。

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

# Virtual environments
.venv

# Connection strings and secrets
.env

在当前目录中，创建一个名为 .env 的新文件。
在 .env 文件中，为连接字符串 SQL_CONNECTION_STRING 添加一个条目。将此处的示例替换为实际连接字符串值。
```
SQL_CONNECTION_STRING="Server=<server_name>;Database=<database_name>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"
```
小窍门

此处使用的连接字符串在很大程度上取决于要连接到的 SQL 数据库的类型。如果要连接到 Fabric 中的 Azure SQL 数据库 或 SQL 数据库，请使用连接字符串选项卡中的 ODBC 连接字符串。可能需要根据方案调整身份验证类型。有关连接字符串及其语法的详细信息，请参阅连接字符串语法参考。

创建 Jupyter Notebook

选择 “文件”，然后从列表中选择 “新建文件和Jupyter Notebook ”。此时会打开一个新笔记本。
选择 “文件”，然后选择 “另存为...” ，并为新笔记本命名。

在第一个单元格中添加以下导入。

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

使用笔记本顶部的 “+ Markdown ”按钮添加新的 Markdown 单元格。
将以下文本添加到新的 markdown 单元格。
```
## Define queries for use later
```
选择单元格工具栏中的 复选标记 或使用键盘快捷方式 Ctrl+Enter 或 Shift+Enter 呈现 markdown 单元格。
使用笔记本顶部的“ + 代码 ”按钮添加新的代码单元格。

将以下代码添加到新代码单元。

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;
"""

在表中显示结果

使用笔记本顶部的 “+ Markdown ”按钮添加新的 Markdown 单元格。

将以下文本添加到新的 markdown 单元格。

## Print orders by customer and display in a table

选择单元格工具栏中的 复选标记 或使用键盘快捷方式 Ctrl+Enter 或 Shift+Enter 呈现 markdown 单元格。
使用笔记本顶部的“ + 代码 ”按钮添加新的代码单元格。

将以下代码添加到新代码单元。

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)

小窍门

在 macOS 上, ActiveDirectoryInteractive 和 ActiveDirectoryDefault 都可用于 Microsoft Entra 身份验证。 ActiveDirectoryInteractive 每次运行脚本时都会提示你登录。为避免重复登录提示，请通过Azure CLI运行 az login，然后使用ActiveDirectoryDefault，该登录可重复使用缓存的凭证。

使用笔记本顶部的“ 全部运行 ”按钮运行笔记本。
出现提示时，选择 jupyter-notebook-qs 内核。

在图表中显示结果

查看最后一个单元格的输出。您应该会看到一个包含三列和五行的表格。
使用笔记本顶部的 “+ Markdown ”按钮添加新的 Markdown 单元格。

将以下文本添加到新的 markdown 单元格。

## Display spend by category in a horizontal bar chart

选择单元格工具栏中的 复选标记 或使用键盘快捷方式 Ctrl+Enter 或 Shift+Enter 呈现 markdown 单元格。
使用笔记本顶部的“ + 代码 ”按钮添加新的代码单元格。

将以下代码添加到新代码单元。

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'])

使用 “执行单元格 ”按钮或 Ctrl+Alt+Enter 运行单元格。
查看结果。将此笔记本设为个人专属。

后续步骤

构建连接字符串

反馈

此页面是否有帮助？

Last updated on 2026-09-14

快速入门：从 Jupyter Notebook 连接到 SQL 数据库

先决条件

创建 SQL 数据库

创建项目并运行代码

创建新项目

添加依赖项

启动 Visual Studio Code

更新 pyproject.toml

保存连接字符串

创建 Jupyter Notebook

在表中显示结果

在图表中显示结果

后续步骤

相关内容

反馈

其他资源