Hurtiginnføring: Koble til en SQL-database i Fabric fra en Jupyter Notebook

I denne hurtigstarten bruker du Jupyter Notebook i Visual Studio Code til raskt å utlede forretningsinnsikt. Du bruker driveren mssql-python for Python til å koble til SQL-databasen din i Fabric og lese dataene som deretter formateres for bruk i e-poster, rapporter, presentasjoner osv.

Driveren mssql-python krever ingen eksterne avhengigheter på Windows-maskiner. Driveren installerer alt den trenger med en enkelt pip installasjon, slik at du kan bruke den nyeste versjonen av driveren for nye skript uten å bryte andre skript som du ikke har tid til å oppgradere og teste.

mssql-python-dokumentasjon | mssql-python kildekode | Pakke (PyPi) | Visual Studio-kode

Forutsetninger

Last inn AdventureWorks-eksempeldata i SQL-databasen.
Python 3
- Hvis du ikke allerede har Python, installer Python runtime og pip package manager fra python.org.
- Vil du ikke bruke ditt eget miljø? Åpne som en devcontainer ved hjelp av GitHub Codespaces.
Visual Studio Code med følgende utvidelser:
- Python-utvidelse for Visual Studio Code
- Jupyter-utvidelse for Visual Studio Code
Azure Command-Line Interface (CLI) – Anbefales for autentisering på macOS og Linux.
Hvis du ikke allerede har uv, installer uv ved å følge instruksjonene fra https://docs.astral.sh/uv/getting-started/installation/.

Installer engangsoperativsystemspesifikke forutsetninger.

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

Opprette et nytt prosjekt

Åpne en ledetekst i utviklingskatalogen. Hvis du ikke har en, opprett en ny katalog kalt python, scripts, etc. Unngå mapper på OneDrive, synkroniseringen kan forstyrre administrasjonen av det virtuelle miljøet ditt.

Opprett et nytt prosjekt med uv.

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

Legge til avhengigheter

I samme katalog installerer du pakkene mssql-python, python-dotenv, richpandas, , og matplotlib . Deretter legger du til ipykernel og uv som utvikleravhengigheter. VS Code krever ipykernel og uv legges til for å kunne samhandle med uv fra notatblokkcellene ved hjelp av kommandoer som !uv add mssql_python.

uv add mssql_python dotenv rich pandas matplotlib
uv add --dev ipykernel
uv add --dev uv

Start Visual Studio Code

Kjør følgende kommando i samme katalog.

code .

Oppdater pyproject.toml

pyproject.toml inneholder metadataene for prosjektet ditt.

Oppdater beskrivelsen slik at den blir mer beskrivende.

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

Lagre og lukk filen.

Lagre tilkoblingsstrengen

Åpne .gitignore filen og legg til en ekskludering for .env filer. Filen din skal ligne på dette eksemplet. Sørg for å lagre og lukke den når du er ferdig.
```
# Python-generated files
__pycache__/
*.py[oc]
build/
dist/
wheels/
*.egg-info

# Virtual environments
.venv

# Connection strings and secrets
.env
```
I gjeldende katalog oppretter du en ny fil med navnet .env.
I .env filen legger du til en oppføring for tilkoblingsstrengen med navnet SQL_CONNECTION_STRING. Erstatt eksemplet her med den faktiske tilkoblingsstrengverdien.
```
SQL_CONNECTION_STRING="Server=<server_name>;Database={<database_name>};Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryDefault"
```
Tips

For SQL-database i Fabric bruker du ODBC-tilkoblingsstrengen fra kategorien tilkoblingsstrenger uten DRIVER-informasjonen .

Opprette en Jupyter-notatblokk

Velg Fil, deretter Ny fil og Jupyter Notebook fra listen. En ny notatblokk åpnes.
Velg Fil, deretter Lagre som..., og gi den nye notatblokken et navn.

Legg til følgende importer i den første cellen.

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

Bruk + Markdown-knappen øverst i notatblokken til å legge til en ny markdown-celle.
Legg til følgende tekst i den nye markdown-cellen.
```
## Define queries for use later
```
Merk merket på celleverktøylinjen, eller bruk hurtigtastene Ctrl+Enter eller Shift+Enter til å gjengi markdown-cellen.
Bruk + Kode-knappen øverst i notatblokken til å legge til en ny kodecelle.

Legg til følgende kode i den nye kodecellen.

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;
"""

Vise resultater i en tabell

Bruk + Markdown-knappen øverst i notatblokken til å legge til en ny markdown-celle.

Legg til følgende tekst i den nye markdown-cellen.

## Print orders by customer and display in a table

Merk merket på celleverktøylinjen, eller bruk hurtigtastene Ctrl+Enter eller Shift+Enter til å gjengi markdown-cellen.
Bruk + Kode-knappen øverst i notatblokken til å legge til en ny kodecelle.

Legg til følgende kode i den nye kodecellen.

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)

Tips

På macOS fungerer begge ActiveDirectoryInteractive for ActiveDirectoryDefault Microsoft Entra-autentisering. ActiveDirectoryInteractive Ber deg logge inn hver gang du kjører skriptet. For å unngå gjentatte påloggingsmeldinger, logg inn én gang via Azure CLI ved å kjøre az login, og bruk ActiveDirectoryDefaultderetter , som gjenbruker den bufrede legitimasjonen.

Bruk Kjør alle-knappen øverst i notatblokken til å kjøre notatblokken.
Velg jupyter-notebook-qs-kjernen når du blir bedt om det.

Vise resultater i et diagram

Se gjennom utdataene fra den siste cellen. Du skal se en tabell med tre kolonner og fem rader.
Bruk + Markdown-knappen øverst i notatblokken til å legge til en ny markdown-celle.

Legg til følgende tekst i den nye markdown-cellen.

## Display spend by category in a horizontal bar chart

Merk merket på celleverktøylinjen, eller bruk hurtigtastene Ctrl+Enter eller Shift+Enter til å gjengi markdown-cellen.
Bruk + Kode-knappen øverst i notatblokken til å legge til en ny kodecelle.

Legg til følgende kode i den nye kodecellen.

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'])

Bruk Utfør celle-knappen eller Ctrl+Alt+Enter til å kjøre cellen.
Se gjennom resultatene. Gjør denne notatboken til din egen.

Neste trinn

Gå til GitHub-repositoriet for driveren mssql-python for flere eksempler, for å bidra med ideer eller rapportere problemer.

mssql-python-driver på GitHub

Tilbakemeldinger

Var denne siden nyttig?

Last updated on 2026-03-18

Hurtiginnføring: Koble til en SQL-database i Fabric fra en Jupyter Notebook

Forutsetninger

Opprett prosjektet og kjør koden

Opprette et nytt prosjekt

Legge til avhengigheter

Start Visual Studio Code

Oppdater pyproject.toml

Lagre tilkoblingsstrengen

Opprette en Jupyter-notatblokk

Vise resultater i en tabell

Vise resultater i et diagram

Neste trinn

Tilbakemeldinger

Flere ressurser