快速入門：從 Jupyter Notebook 連線到 SQL 資料庫

在這個快速入門中，使用Visual Studio Code中的Jupyter Notebook，快速獲取商業洞察。使用 mssql-python Python 驅動程式連接 SQL 資料庫，讀取資料，然後格式化以用於電子郵件、報告和簡報。

在 Windows 電腦上，mssql-python 驅動程式不需要任何外部相依性。驅動程式會透過單一 pip 安裝來安裝所需的所有內容，讓您可以將最新版本的驅動程式用於新腳本，而不會中斷您沒有時間升級和測試的其他腳本。

MSSQL-Python 文件 | MSSQL-Python 原始碼 | 套件（PyPI） | Visual Studio 程式碼

先決條件

Python 3.10 或更新版本
如果你還沒有 Python，建議安裝 Python 執行環境 和 Pip 套件管理器 ，從 python.org 安裝。
不想使用自己的系統環境？遵循容器與本地開發，建立可重現的開發容器或 GitHub Codespaces 環境。
Visual Studio Code 使用下列擴充套件：
- 適用於 Visual Studio Code 的 Python 擴充功能 \(英文\)
- 適用於 Visual Studio Code 的 Jupyter 延伸模組
Azure Command-Line 介面（CLI）用於 macOS 和 Linux 的無密碼認證。
如果你還沒有安裝<該軟體>，請依照安裝說明進行操作。
SQL Server、Azure SQL Database 或 Fabric 中的 SQL 資料庫上的資料庫，具有 AdventureWorks2025 範例結構描述和有效的連接字串。

安裝一次性作業系統特定先決條件。

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

建立 SQL 資料庫

在以下平台建立或連接 SQL 資料庫：

使用 Azure 入口網站在幾分鐘內建立 SQL 資料庫

建立新專案

在開發目錄中開啟命令提示字元。如果你沒有，請建立一個新的目錄，例如 python 或 scripts。避免在 OneDrive 上放置資料夾，因為同步可能會干擾虛擬環境的管理。

建立新的專案使用uv。

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

新增依賴性

在相同的目錄中，安裝 mssql-python、、 python-dotenvrich、 pandas和 matplotlib 套件。然後新增 ipykernel 和 uv 作為開發相依性。 VS Code 需要 ipykernel 執行筆記本儲存格，並 uv 從筆記本儲存格內管理套件。

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

啟動 Visual Studio Code

在相同的目錄中，執行下列命令。

code .

更新 pyproject.toml

pyproject.toml 包含專案的中繼資料。

更新描述以更具描述性。

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

儲存並關閉檔案。

儲存連接字串

開啟 .gitignore 檔案，並為 .env 檔案新增排除項目。您的檔案應該類似於此範例。請務必儲存並在完成後將其關閉。

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

# Virtual environments
.venv

# Connection strings and secrets
.env

在目前目錄中，建立名為 .env的新檔案。
在 .env 檔案中，新增一個名為 SQL_CONNECTION_STRING 的連接字串項目。將此處的範例替換為您的實際連接字符串值。
```
SQL_CONNECTION_STRING="Server=<server_name>;Database=<database_name>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"
```
小提示

此處使用的連接字串很大程度上取決於您要連線的 SQL 資料庫類型。如果您要連線到 Azure SQL 資料庫 或 Fabric 中的 SQL 資料庫，請使用 [連接字串] 索引標籤中的 ODBC 連接字串。您可能需要根據您的案例調整驗證類型。如需連接字串及其語法的詳細資訊，請參閱連接字串語法參考。

建立 Jupyter Notebook

選取 [檔案]，然後從清單中選取 [ 新增檔案 ] 和 [Jupyter Notebook ]。新筆記本隨即開啟。
選取 [ 檔案]，然後選取 [另存新檔... ]，然後為您的新筆記本命名。

在第一個儲存格中新增下列匯入。

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

使用筆記本頂端的 [+ Markdown ] 按鈕來新增 Markdown 儲存格。
將下列文字新增至新的 Markdown 儲存格。
```
## Define queries for use later
```
選取儲存格工具列中的 核取記號 ，或使用鍵盤快速鍵 Ctrl+Enter 或 Shift+Enter 轉譯 Markdown 儲存格。
使用筆記本頂端的 [+ 代碼 ] 按鈕來新增程式碼儲存格。

將下列程式碼新增至新的程式碼儲存格。

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;
"""

在表格中顯示結果

使用筆記本頂端的 [+ Markdown ] 按鈕來新增 Markdown 儲存格。

將下列文字新增至新的 Markdown 儲存格。

## Print orders by customer and display in a table

選取儲存格工具列中的 核取記號 ，或使用鍵盤快速鍵 Ctrl+Enter 或 Shift+Enter 轉譯 Markdown 儲存格。
使用筆記本頂端的 [+ 代碼 ] 按鈕來新增程式碼儲存格。

將下列程式碼新增至新的程式碼儲存格。

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)

小提示

在 macOS 上，兩者都ActiveDirectoryInteractiveActiveDirectoryDefault適用於 Microsoft Entra 認證。 ActiveDirectoryInteractive 每次執行腳本時都會提示你登入。為避免重複登入提示，請透過 Azure CLI 執行 az login，然後使用 ActiveDirectoryDefault，重複使用快取的憑證。

使用筆記本頂端的 [全部執行] 按鈕來執行筆記本。
出現提示時，選取 jupyter-notebook-qs 核心。

在圖表中顯示結果

檢閱最後一個儲存格的輸出。您應該會看到一個包含三欄和五列的表格。
使用筆記本頂端的 [+ Markdown ] 按鈕來新增 Markdown 儲存格。

將下列文字新增至新的 Markdown 儲存格。

## Display spend by category in a horizontal bar chart

選取儲存格工具列中的 核取記號 ，或使用鍵盤快速鍵 Ctrl+Enter 或 Shift+Enter 轉譯 Markdown 儲存格。
使用筆記本頂端的 [+ 代碼 ] 按鈕來新增程式碼儲存格。

將下列程式碼新增至新的程式碼儲存格。

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 執行儲存格 按鈕或 Ctrl+Alt+Enter 來執行儲存格。
查看結果。讓這本筆記本成為您自己的筆記本。

下一步

善用這些文章持續學習：

建立連線字串以配置不同 SQL 資料庫類型與認證方法的連線。
與 pandas 整合，可直接將查詢結果載入為 DataFrame，以便在筆記本環境中進行分析。
Arrow 整合，以便使用 Apache Arrow 處理欄式資料，進行高效能分析。

建立連接字串

意見反應

此頁面對您有幫助嗎？

Last updated on 2026-07-22

快速入門：從 Jupyter Notebook 連線到 SQL 資料庫

先決條件

建立 SQL 資料庫

建立專案並執行程式碼

建立新專案

新增依賴性

啟動 Visual Studio Code

更新 pyproject.toml

儲存連接字串

建立 Jupyter Notebook

在表格中顯示結果

在圖表中顯示結果

下一步

意見反應

其他資源