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

在本快速入門中，您可以使用來 Streamlit 快速建立報表，讓您快速收集使用者意見反應，以確保您走在正確的軌道上。您可以使用 mssql-python Python 驅動程式連線到資料庫，並讀取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

蟒蛇3
- 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？使用 GitHub Codespaces 開啟為開發容器。
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 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

pyproject.toml 包含專案的中繼資料。在您最喜歡的編輯器中打開該文件。

更新描述以更具描述性。

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-protyping-qs!")

 if __name__ == "__main__":
   main()

在檔案頂端，在帶有的 def main()行上方新增下列匯入。

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] c inner join SalesLT.SalesOrderHeader 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 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 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 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 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] 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] soh INNER JOIN SalesLT.SalesOrderDetail sod on soh.SalesOrderId = sod.SalesOrderId WHERE 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-protyping-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。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。

使用 uv run 執行腳本

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。

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。

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 2026-03-18