快速入門：從 Jupyter Notebook 連線到 SQL 資料庫

在本快速開始中，您會在 Visual Studio Code 中使用 Jupyter Notebook 來快速獲得商業洞察。您可以使用 mssql-python Python 驅動程式連接到 SQL 資料庫 並讀取數據，然後格式化為用於電子郵件、報告簡報等。

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 原始程式碼 | 套件（PyPi） | Visual Studio 程式碼

先決條件

蟒蛇3
- 如果您還沒有 Python，請從 python.org 安裝 Python 執行階段和 Python 套件索引（PyPI）套件管理員。
- 您不想使用您自己的環境嗎？使用 GitHub Codespaces 開啟為開發容器。
Visual Studio Code 使用下列擴充套件：
（選用）Azure Command-Line 介面（CLI）
如果您還沒有uv，請按照uv中的指示安裝https://docs.astral.sh/uv/getting-started/installation/。
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

此快速入門需使用 AdventureWorks2025 輕量級 架構，支援 Microsoft SQL Server、Fabric 中的 SQL 資料庫或 Azure 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。如果您沒有，請建立一個名為、 python等的新scripts目錄。避免在 OneDrive 上放置資料夾，同步可能會幹擾虛擬環境的管理。

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 需要新增ipykernel和uv，才能從筆記本儲存格中透過命令如uv與!uv add mssql_python進行互動。

uv add mssql_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

若要在 macOS 中使用 Microsoft Entra 驗證，您必須透過 Visual Studio Code 中的 Azure Repos 延伸模組登入，或透過 az login 執行。

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。

後續步驟

請造訪 mssql-python 驅動程式 GitHub 存放庫以取得更多範例，以提供想法或報告問題。

GitHub 上的 mssql-python 驅動程式

意見反應

此頁面對您有幫助嗎？

Last updated on 2025-11-18

共用方式為

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

後續步驟

意見反應

其他資源