快速入門：使用 Python 的 mssql-python 驅動程式快速建立原型

在這個快速入門中，你可以 Streamlit 快速建立報告，以便及早收集使用者回饋。你用 mssql-python Python 的驅動程式連接資料庫，讀取已載入到報表中的資料。

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） | uv

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 \(英文\)
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。

安裝作業系統先決條件

安裝一次性作業系統特定先決條件。 Windows 使用者可以跳過此步驟。完整平台細節請參見安裝 mssql-python。

apk add libtool krb5-libs krb5-dev libstdc++

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 rapid-prototyping-qs
cd rapid-prototyping-qs

新增相依項目

在相同的目錄中，安裝 mssql-python、 streamlit和 python-dotenv 套件。

uv add mssql-python python-dotenv streamlit

啟動 Visual Studio Code

在相同的目錄中，執行下列命令。

code .

更新 pyproject.toml

在您的編輯器中開啟 pyproject.toml 檔案。這個檔案包含你專案的元資料。

更新 description 數值。

description = "A quick example of rapid prototyping using the mssql-python driver and Streamlit."

儲存並關閉檔案。

更新 main.py

開啟名為 main.py的檔案。它應該類似於這個例子。

def main():
    print("Hello from rapid-prototyping-qs!")

if __name__ == "__main__":
    main()

在檔案頂端，於包含 def main() 的那一行之前加入以下匯入內容。

小提示

如果 Visual Studio Code 在解析套件時遇到問題，您必須更新解譯器才能使用虛擬環境。
```
from os import getenv
from dotenv import load_dotenv
from mssql_python import connect, Connection
import pandas as pd
import streamlit as st
```

在匯入和def main()行之間，新增下列程式碼。

def page_load() -> None:
    st.set_page_config(
        page_title="View Data",
        page_icon=":bar_chart:",
        layout="wide",
        initial_sidebar_state="expanded"
    )

    st.title("AdventureWorksLT Customer Order History")

    SQL_QUERY = """
    SELECT c.*
    FROM SalesLT.Customer AS c
    INNER JOIN SalesLT.SalesOrderHeader AS soh
        ON c.CustomerID = soh.CustomerID;
    """

    df = load_data(SQL_QUERY)

    event = st.dataframe(
        df,
        use_container_width=True,
        hide_index=True,
        on_select="rerun",
        selection_mode="single-row"
    )

    customer = event.selection.rows

    SPEND_QUERY_ALL = """
    SELECT
        soh.OrderDate,
        SUM(sod.OrderQty),
        SUM(sod.OrderQty * sod.UnitPrice) AS spend,
        pc.Name AS ProductCategory
    FROM SalesLT.SalesOrderDetail AS sod
    INNER JOIN SalesLT.SalesOrderHeader AS soh
        ON sod.SalesOrderID = soh.SalesOrderID
    INNER JOIN SalesLT.Product AS p
        ON sod.ProductID = p.ProductID
    INNER JOIN SalesLT.ProductCategory AS pc
        ON p.ProductCategoryID = pc.ProductCategoryID
    GROUP BY soh.OrderDate, pc.Name
    ORDER BY soh.OrderDate, pc.Name;
    """
    SPEND_QUERY_CUSTOMER = """
    SELECT
        soh.OrderDate,
        SUM(sod.OrderQty),
        SUM(sod.OrderQty * sod.UnitPrice) AS spend,
        pc.Name AS ProductCategory
    FROM SalesLT.SalesOrderDetail AS sod
    INNER JOIN SalesLT.SalesOrderHeader AS soh
        ON sod.SalesOrderID = soh.SalesOrderID
    INNER JOIN SalesLT.Product AS p
        ON sod.ProductID = p.ProductID
    INNER JOIN SalesLT.ProductCategory AS pc
        ON p.ProductCategoryID = pc.ProductCategoryID
    WHERE soh.CustomerID = ?
    GROUP BY soh.OrderDate, pc.Name
    ORDER BY soh.OrderDate, pc.Name;
    """
    if len(customer) == 0:
        spend_df = load_data(SPEND_QUERY_ALL)
    else:
        customer_id = int(df.loc[customer, 'CustomerID'].values[0])
        spend_df = load_data(SPEND_QUERY_CUSTOMER, params=(customer_id,))

    st.write("Here's a summary of spend by product category over time:")
    st.bar_chart(spend_df.set_index('ProductCategory')['spend'], use_container_width=True)

    if len(customer) > 0:
        st.write(f"Displaying orders for Customer ID: {df.loc[customer, 'CustomerID'].values[0]}")
        customer_id = int(df.loc[customer, 'CustomerID'].values[0])
        SQL_QUERY = """
        SELECT *
        FROM SalesLT.SalesOrderHeader AS soh
        WHERE soh.CustomerID = ?;
        """
        st.dataframe(load_data(SQL_QUERY, params=(customer_id,)), hide_index=True, use_container_width=True)
        SQL_QUERY = """
        SELECT sod.*
        FROM SalesLT.SalesOrderHeader AS soh
        INNER JOIN SalesLT.SalesOrderDetail AS sod
            ON soh.SalesOrderID = sod.SalesOrderID
        WHERE soh.CustomerID = ?;
        """
        st.dataframe(load_data(SQL_QUERY, params=(customer_id,)), hide_index=True, use_container_width=True)

在匯入和 def page_load() -> None:之間新增此程式碼。

_connection = None

def get_connection() -> Connection:
    global _connection
    if not _connection:
        load_dotenv()
        _connection = connect(getenv("SQL_CONNECTION_STRING"))
    return _connection

@st.cache_data
def load_data(SQL_QUERY, params=None) -> pd.DataFrame:
    data = pd.read_sql_query(SQL_QUERY, get_connection(), params=params)
    return data

找到這個代碼。

def main():
    print("Hello from rapid-prototyping-qs!")

用這個代碼替換它。

def main() -> None:
    page_load()
    if _connection:
        _connection.close()

儲存並關閉 main.py。

儲存連接字串

開啟 .gitignore 檔案，並為 .env 檔案新增排除項目。你的檔案應該與以下範例相似。

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

# Virtual environments
.venv

# Connection strings and secrets
.env

儲存並關閉 .gitignore。
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。將佔位符替換成您的實際值。
```
SQL_CONNECTION_STRING="Server=<server>;Database=<database>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"
```
連接字串取決於你連接的 SQL 資料庫類型。對於 Azure SQL Database 或 Fabric 中的 SQL 資料庫，請使用連接字串s 標籤中的 ODBC 連接字串，並根據你的情境調整認證類型。欲了解更多關於連接字串語法的資訊，請參閱 mssql-python 的 Connection strings。

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。為避免重複出現登入提示，請使用 Azure CLIaz login 指令登入一次，然後使用 ActiveDirectoryDefault。 ActiveDirectoryDefault 重複使用快取的憑證。

使用 uv run 執行腳本

在先前的終端機視窗中，或開啟至相同目錄的新終端機視窗中，執行下列命令。
```
uv run streamlit run main.py
```
您的報告會在網頁瀏覽器的新索引標籤中開啟。
請嘗試您的報表，看看其運作方式。如果您更改了任何內容，請保存 main.py 並使用瀏覽器窗口右上角的重新加載選項。
若要共用原型，請將資料夾以外的 .venv 所有檔案複製到另一台電腦。 .venv資料夾會在第一次執行時重新建立。

意見反應

此頁面對您有幫助嗎？

上次更新時間： 2026-10-19