Avvio rapido: Connettersi a un database SQL da un notebook di Jupyter

In questa guida introduttiva rapida, usare Jupyter Notebook in Visual Studio Code per ricavare rapidamente informazioni aziendali utili. Usa il mssql-python driver di Python per collegarti al tuo database SQL, leggere i dati e poi formattarli per usarli in email, report e presentazioni.

Il mssql-python driver non richiede dipendenze esterne nei computer Windows. Il driver installa tutti gli elementi necessari con un'unica pip installazione, consentendo di usare la versione più recente del driver per i nuovi script senza interrompere altri script che non è necessario aggiornare e testare.

Documentazione di mssql-python | mssql-python Codice sorgente | Pacchetto (PyPI) | Visual Studio Code

Prerequisiti

Creare un database SQL

Crea o collegati a un database SQL su una delle seguenti piattaforme:

Creare il progetto ed eseguire il codice

Creare un nuovo progetto

  1. Apri un prompt dei comandi nella directory di sviluppo. Se non ne hai una, crea una nuova directory, come python o scripts. Evita le cartelle sul tuo OneDrive, poiché la sincronizzazione può interferire con la gestione del tuo ambiente virtuale.

  2. Creare un nuovo progetto con uv.

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

Aggiungere dipendenze

Nella stessa directory, installare i pacchetti mssql-python, python-dotenv, rich, pandas e matplotlib. Aggiungi quindi ipykernel e uv come dipendenze di sviluppo. VS Code richiede ipykernel per eseguire le celle del notebook e uv per gestire i pacchetti direttamente dalle celle del notebook.

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

Avviare Visual Studio Code

Nella stessa directory eseguire il comando seguente.

code .

Aggiornare pyproject.toml

  1. Pyproject.toml contiene i metadati per il progetto.

  2. Aggiornare la descrizione in modo che sia più descrittiva.

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

  3. Salva e chiudi il file.

Salvare la stringa di connessione

  1. Aprire il .gitignore file e aggiungere un'esclusione per .env i file. Il file dovrebbe essere simile a questo esempio. Assicurati di salvarlo e chiuderlo quando hai finito.

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

# Virtual environments
.venv

# Connection strings and secrets
.env

  2. Nella directory corrente creare un nuovo file denominato .env.

  3. All'interno del .env file aggiungere una voce per la stringa di connessione denominata SQL_CONNECTION_STRING. Sostituire l'esempio qui con il valore effettivo della stringa di connessione.

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

    Suggerimento

    La stringa di connessione usata qui dipende in gran parte dal tipo di database SQL a cui ci si connette. Se ci si connette a un database SQL di Azure o a un database SQL in Fabric, usare la stringa di connessione ODBC dalla scheda Stringhe di connessione. Potrebbe essere necessario modificare il tipo di autenticazione a seconda dello scenario. Per altre informazioni sulle stringhe di connessione e sulla relativa sintassi, vedere informazioni di riferimento sulla sintassi delle stringhe di connessione.

Creare un notebook di Jupyter

  1. Selezionare File, quindi Nuovo file e Jupyter Notebook dall'elenco. Verrà aperto un nuovo notebook.

  2. Selezionare File, quindi Salva con nome e assegnare un nome al nuovo notebook.

  3. Aggiungere le importazioni seguenti nella prima cella.

    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. Usare il pulsante + Markdown nella parte superiore del notebook per aggiungere una nuova cella markdown.

  5. Aggiungere il testo seguente alla nuova cella markdown.

    ## Define queries for use later

  6. Selezionare il segno di spunta nella barra degli strumenti delle celle o usare i Ctrl+Enter tasti di scelta rapida o Shift+Enter per eseguire il rendering della cella markdown.

  7. Usare il pulsante + Codice nella parte superiore del notebook per aggiungere una nuova cella di codice.

  8. Aggiungere il codice seguente alla nuova cella di codice.

    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;
"""

Visualizzare i risultati in una tabella

  1. Usare il pulsante + Markdown nella parte superiore del notebook per aggiungere una nuova cella markdown.

  2. Aggiungere il testo seguente alla nuova cella markdown.

    ## Print orders by customer and display in a table

  3. Selezionare il segno di spunta nella barra degli strumenti delle celle o usare i Ctrl+Enter tasti di scelta rapida o Shift+Enter per eseguire il rendering della cella markdown.

  4. Usare il pulsante + Codice nella parte superiore del notebook per aggiungere una nuova cella di codice.

  5. Aggiungere il codice seguente alla nuova cella di codice.

    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)

    Suggerimento

    In macOS, entrambi ActiveDirectoryInteractive e ActiveDirectoryDefault funzionano per l'autenticazione di Microsoft Entra. ActiveDirectoryInteractive richiede di accedere ogni volta che si esegue lo script. Per evitare ripetuti prompt di accesso, accedi una volta tramite la CLI di interfaccia della riga di comando di Azure eseguendo az login, poi usa ActiveDirectoryDefault, che riutilizza la credenziale memorizzata nella cache.

  6. Usare il pulsante Esegui tutto nella parte superiore del notebook per eseguire il notebook.

  7. Selezionare il kernel jupyter-notebook-qs quando richiesto.

Visualizzare i risultati in un grafico

  1. Esaminare l'output dell'ultima cella. Verrà visualizzata una tabella con tre colonne e cinque righe.

  2. Usare il pulsante + Markdown nella parte superiore del notebook per aggiungere una nuova cella markdown.

  3. Aggiungere il testo seguente alla nuova cella markdown.

    ## Display spend by category in a horizontal bar chart

  4. Selezionare il segno di spunta nella barra degli strumenti delle celle o usare i Ctrl+Enter tasti di scelta rapida o Shift+Enter per eseguire il rendering della cella markdown.

  5. Usare il pulsante + Codice nella parte superiore del notebook per aggiungere una nuova cella di codice.

  6. Aggiungere il codice seguente alla nuova cella di codice.

    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. Utilizzare il pulsante Esegui cella o Ctrl+Alt+Enter per eseguire la cella.

  8. Esamina i risultati. Rendi questo notebook tuo.

Passaggi successivi

Usa questi articoli per continuare a costruire:

Creare stringhe di connessione

  • Last updated on