Quickstart: Verbinding maken met een SQL-database vanuit een Jupyter Notebook

Gebruik in deze quickstart Jupyter Notebook in Visual Studio Code om snel zakelijke inzichten af te leiden. Gebruik de mssql-python driver van Python om verbinding te maken met je SQL-database, lees de data en formatteer deze vervolgens voor gebruik in e-mails, rapporten en presentaties.

Het mssql-python stuurprogramma vereist geen externe afhankelijkheden op Windows-computers. Het stuurprogramma installeert alles wat het nodig heeft met één pip installatie, zodat u de nieuwste versie van het stuurprogramma voor nieuwe scripts kunt gebruiken zonder dat andere scripts die u niet hoeft te upgraden en te testen, worden onderbroken.

documentatie | mssql-python-broncode | Pakket (PyPI) | Visual Studio Code

Vereiste voorwaarden

Een SQL-database maken

Maak een SQL-database aan of maak verbinding met een van de volgende platforms:

Het project maken en de code uitvoeren

Een nieuw project maken

  1. Open een opdrachtprompt in uw ontwikkelingsmap. Als je er geen hebt, maak dan een nieuwe map aan, zoals python of scripts. Vermijd mappen op je OneDrive, want synchronisatie kan het beheer van je virtuele omgeving verstoren.

  2. Maak een nieuw project met uv.

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

Afhankelijkheden toevoegen

Installeer in dezelfde map de mssql-python, python-dotenv, rich, pandas en matplotlib pakketten. Voeg vervolgens ipykernel en uv toe als dev-afhankelijkheden. VS Code heeft ipykernel nodig om notebookcellen uit te voeren en uv om pakketten vanuit je notebookcellen te beheren.

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

Visual Studio Code starten

Voer in dezelfde map de volgende opdracht uit.

code .

Pyproject.toml bijwerken

  1. Het pyproject.toml bevat de metagegevens voor uw project.

  2. Werk de beschrijving bij zodat deze meer beschrijvend is.

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

  3. Sla het bestand op en sluit het.

De verbindingsreeks opslaan

  1. Open het .gitignore bestand en voeg een uitsluiting toe voor .env bestanden. Het bestand moet er ongeveer uitzien als in dit voorbeeld. Zorg ervoor dat u deze opslaat en sluit wanneer u klaar bent.

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

# Virtual environments
.venv

# Connection strings and secrets
.env

  2. Maak in de huidige map een nieuw bestand met de naam .env.

  3. Voeg in het .env bestand een vermelding toe voor de verbindingsreeks met de naam SQL_CONNECTION_STRING. Vervang het voorbeeld hier door de werkelijke verbindingsreekswaarde.

    SQL_CONNECTION_STRING="Server=<server_name>;Database=<database_name>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"

    Aanbeveling

    De hier gebruikte verbindingsreeks is grotendeels afhankelijk van het type SQL-database waarmee u verbinding maakt. Als u verbinding maakt met een Azure SQL Database of een SQL-database in Fabric, gebruikt u de ODBC-verbindingsreeks op het tabblad Verbindingsreeksen. Mogelijk moet u het verificatietype aanpassen, afhankelijk van uw scenario. Zie de naslaginformatie over de syntaxis van de verbindingsreeks voor meer informatie over verbindingsreeksen en de bijbehorende syntaxis.

Een Jupyter Notebook maken

  1. Selecteer Bestand en vervolgens Nieuw bestand en Jupyter Notebook in de lijst. Er wordt een nieuw notitieblok geopend.

  2. Selecteer Bestand, vervolgens Opslaan als... en geef uw nieuwe notitieblok een naam.

  3. Voeg de volgende imports toe in de eerste cel.

    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

  4. Gebruik de knop + Markdown boven aan het notitieblok om een nieuwe Markdown-cel toe te voegen.

  5. Voeg de volgende tekst toe aan de nieuwe Markdown-cel.

    ## Define queries for use later

  6. Selecteer het vinkje op de celwerkbalk of gebruik de sneltoetsen Ctrl+Enter of Shift+Enter om de Markdown-cel weer te geven.

  7. Gebruik de knop + Code boven aan het notitieblok om een nieuwe codecel toe te voegen.

  8. Voeg de volgende code toe aan de nieuwe codecel.

    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;
"""

Resultaten weergeven in een tabel

  1. Gebruik de knop + Markdown boven aan het notitieblok om een nieuwe Markdown-cel toe te voegen.

  2. Voeg de volgende tekst toe aan de nieuwe Markdown-cel.

    ## Print orders by customer and display in a table

  3. Selecteer het vinkje op de celwerkbalk of gebruik de sneltoetsen Ctrl+Enter of Shift+Enter om de Markdown-cel weer te geven.

  4. Gebruik de knop + Code boven aan het notitieblok om een nieuwe codecel toe te voegen.

  5. Voeg de volgende code toe aan de nieuwe codecel.

    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)

    Aanbeveling

    In macOS werken beide ActiveDirectoryInteractive en ActiveDirectoryDefault voor Microsoft Entra-verificatie. ActiveDirectoryInteractive u wordt gevraagd u aan te melden telkens wanneer u het script uitvoert. Om herhaalde aanmeldingsprompts te voorkomen, meld je je één keer aan via de Azure CLI door az login uit te voeren en gebruik vervolgens ActiveDirectoryDefault, waarmee de in de cache opgeslagen referentiegegevens opnieuw worden gebruikt.

  6. Gebruik de knop Alle opdrachten uitvoeren bovenaan het notebook om alle opdrachten in het notebook uit te voeren.

  7. Selecteer de jupyter-notebook-qs-kernel wanneer hierom wordt gevraagd.

Resultaten weergeven in een grafiek

  1. Controleer de uitvoer van de laatste cel. U ziet nu een tabel met drie kolommen en vijf rijen.

  2. Gebruik de knop + Markdown boven aan het notitieblok om een nieuwe Markdown-cel toe te voegen.

  3. Voeg de volgende tekst toe aan de nieuwe Markdown-cel.

    ## Display spend by category in a horizontal bar chart

  4. Selecteer het vinkje op de celwerkbalk of gebruik de sneltoetsen Ctrl+Enter of Shift+Enter om de Markdown-cel weer te geven.

  5. Gebruik de knop + Code boven aan het notitieblok om een nieuwe codecel toe te voegen.

  6. Voeg de volgende code toe aan de nieuwe codecel.

    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'])

  7. Gebruik de knop Cel uitvoeren of Ctrl+Alt+Enter voer de cel uit.

  8. Bekijk de resultaten. Maak dit notitieblok uw eigen notitieblok.

Volgende stappen 

Gebruik deze artikelen om verder te bouwen:

  • Bouw verbindingsstrings om verbindingen te configureren voor verschillende SQL-databasetypes en authenticatiemethoden.
  • integratie met pandas om queryresultaten direct in DataFrames te laden voor analyse in notebooks.
  • Arrow-integratie om met behulp van Apache Arrow te werken met kolomvormige gegevens voor hoogwaardige analyses.

Bouw verbindingsstrings

  • Last updated on