将 SQL 表中的数据插入 Python pandas 数据框

适用于:SQL Server Azure SQL 数据库 Azure SQL 托管实例

本文介绍如何在 Python 中使用 pyodbc 包将 SQL 数据插入 pandas 数据框。 数据框中包含的数据的行和列可用于进一步的数据探索。

先决条件

验证还原的数据库

可以通过查询 Person.CountryRegion 表来验证是否存在还原的数据库:

USE AdventureWorks;
SELECT * FROM Person.CountryRegion;

安装 Python 包

下载并安装 Azure Data Studio

安装以下 Python 包:

  • pyodbc
  • pandas

若要安装这些包:

  1. 在 Azure Data Studio 笔记本中,选择“管理包”。
  2. 在“管理包”窗格中,选择“添加新包”选项卡。
  3. 对于以下每个包,输入包名称,单击“搜索”,然后单击“安装”。

插入数据

使用以下脚本选择 Person.CountryRegion 表中的数据并插入数据框中。 编辑连接字符串变量“服务器”、“数据库”、“用户名”和“密码”以连接到 SQL。

创建新笔记本的步骤:

  1. 在 Azure Data Studio 中,依次选择“文件”和”新建笔记本” 。
  2. 在笔记本中,依次选择内核“Python3”和“+ 代码” 。
  3. 在笔记本中粘贴代码,选择“全部运行”。
import pyodbc
import pandas as pd
# Some other example server values are
# server = 'localhost\sqlexpress' # for a named instance
# server = 'myserver,port' # to specify an alternate port
server = 'servername' 
database = 'AdventureWorks' 
username = 'yourusername' 
password = 'databasename'  
cnxn = pyodbc.connect('DRIVER={SQL Server};SERVER='+server+';DATABASE='+database+';UID='+username+';PWD='+ password)
cursor = cnxn.cursor()
# select 26 rows from SQL table to insert in dataframe.
query = "SELECT [CountryRegionCode], [Name] FROM Person.CountryRegion;"
df = pd.read_sql(query, cnxn)
print(df.head(26))

输出

上述脚本中的 print 命令显示 pandas 数据框 df 中的数据行。

CountryRegionCode                 Name
0                 AF          Afghanistan
1                 AL              Albania
2                 DZ              Algeria
3                 AS       American Samoa
4                 AD              Andorra
5                 AO               Angola
6                 AI             Anguilla
7                 AQ           Antarctica
8                 AG  Antigua and Barbuda
9                 AR            Argentina
10                AM              Armenia
11                AW                Aruba
12                AU            Australia
13                AT              Austria
14                AZ           Azerbaijan
15                BS         Bahamas, The
16                BH              Bahrain
17                BD           Bangladesh
18                BB             Barbados
19                BY              Belarus
20                BE              Belgium
21                BZ               Belize
22                BJ                Benin
23                BM              Bermuda
24                BT               Bhutan
25                BO              Bolivia

后续步骤