Dan untuk bagian terakhir, buka Python IDLE Anda dan isi nama server, database, dan informasi tabel Show Berikut adalah template yang dapat Anda gunakan untuk menghubungkan Python ke SQL Server import pyodbc conn = pyodbc.connect('Driver={SQL Server};' 'Server=server_name;' 'Database=database_name;' 'Trusted_Connection=yes;') cursor = conn.cursor() cursor.execute('SELECT * FROM table_name') for i in cursor: print(i) Ingat itu untuk contoh kita
Oleh karena itu, kode berikut dapat digunakan untuk menghubungkan Python ke SQL Server import pyodbc conn = pyodbc.connect('Driver={SQL Server};' 'Server=RON\SQLEXPRESS;' 'Database=test_database;' 'Trusted_Connection=yes;') cursor = conn.cursor() cursor.execute('SELECT * FROM products') for i in cursor: print(i)_ Jalankan kode dengan Python (disesuaikan dengan nama server, basis data, dan informasi tabel Anda) dan Anda akan mendapatkan hasil sebagai berikut
Dari SQL ke Pandas DataFrameAnda dapat melangkah lebih jauh dengan beralih dari SQL ke Pandas DataFrame menggunakan pd. read_sql_query import pandas as pd
import pyodbc
conn = pyodbc.connect('Driver={SQL Server};'
'Server=RON\SQLEXPRESS;'
'Database=test_database;'
'Trusted_Connection=yes;')
df = pd.read_sql_query('SELECT * FROM products', conn)
print(df)
print(type(df))
Saat melamar pd. read_sql_query, jangan lupa letakkan variabel string koneksi di bagian akhir. Dalam kasus kita, variabel string koneksi adalah conn . Setelah Anda menjalankan kode (disesuaikan dengan informasi koneksi database Anda), Anda akan mendapatkan DataFrame Pandas berikut _Perhatikan bahwa sintaks print(type(df)) juga ditambahkan di bagian bawah kode untuk mengonfirmasi bahwa kita memiliki DataFrame Kesimpulan dan Sumber Daya TambahanAnda telah melihat cara menghubungkan Python ke SQL Server. Setelah Anda membuat koneksi ini, Anda dapat mulai menggunakan SQL dengan Python untuk mengelola data Anda Semua orang menggunakan SQL, dan semua orang menggunakan Python. SQL adalah standar de-facto untuk database. Python di sisi lain adalah all-star, bahasa teratas untuk analitik data, pembelajaran mesin, dan pengembangan web. Bayangkan keduanya, bersama-sama Ini sebenarnya sangat mudah diatur. Kita dapat dengan cepat memanfaatkan sifat dinamis Python, untuk mengontrol dan membuat kueri dalam SQL. Bagian terbaik? Kedua alat luar biasa ini bersama-sama, memungkinkan kami mencapai ketinggian baru dalam otomatisasi dan efisiensi pyodbc Jembatan kami antara kedua teknologi tersebut adalah ODBC, kependekan dari Open Database Connectivity, adalah antarmuka pemrograman aplikasi standar (API) untuk mengakses database, dikembangkan oleh grup SQL Access di awal tahun 90-an Sistem manajemen database yang sesuai (DBMS) termasuk
Pada artikel ini, kita akan menggunakan MS SQL Server. Sebagian besar, ini harus dapat ditransfer secara langsung untuk digunakan dengan database yang sesuai dengan ODBC. Satu-satunya perubahan yang diperlukan adalah pengaturan koneksi Menghubung Hal pertama yang perlu kita lakukan adalah membuat koneksi ke server SQL. Kita dapat melakukan ini menggunakan String koneksi ini harus menentukan DBMS cnxn = pyodbc.connect(cnxn_str) 0, cnxn = pyodbc.connect(cnxn_str) 1, cnxn = pyodbc.connect(cnxn_str) 2 spesifik untuk dihubungkan, dan pengaturan koneksi kamiJadi, anggap saja kita ingin terhubung ke server cnxn = pyodbc.connect(cnxn_str) 3, database cnxn = pyodbc.connect(cnxn_str) 4 , untuk melakukan ini kita ingin menggunakan cnxn = pyodbc.connect(cnxn_str) 5Kami akan terhubung dari internal, dan dengan demikian koneksi tepercaya (kami tidak perlu memasukkan nama pengguna dan kata sandi kami) cnxn_str = ("Driver={SQL Server Native Client 11.0};" Koneksi kami sekarang diinisialisasi dengan cnxn = pyodbc.connect(cnxn_str) Jika kita tidak mengakses database melalui koneksi terpercaya, kita perlu memasukkan username dan password yang biasa kita gunakan untuk mengakses server melalui SQL Server Management Studio (SSMS) Misalnya, jika nama pengguna kita adalah cnxn = pyodbc.connect(cnxn_str) _6, dan kata sandi kita adalah cnxn = pyodbc.connect(cnxn_str) 7, kita harus segera mengganti kata sandi kitaTapi sebelum mengubah kata sandi yang mengerikan itu, kita bisa terhubung seperti itu cnxn_str = ("Driver={SQL Server Native Client 11.0};" Sekarang kita terhubung ke database, kita bisa mulai melakukan query SQL melalui Python Jalankan Kueri Setiap kueri yang kami jalankan di SQL Server sekarang akan terdiri dari inisialisasi kursor, dan eksekusi kueri. Selain itu, jika kami membuat perubahan apa pun di dalam server, kami juga perlu melakukan perubahan ini ke server (yang akan kami bahas di bagian selanjutnya) Untuk menginisialisasi kursor cursor = cnxn.cursor() Sekarang, kapan pun kami ingin melakukan kueri, kami menggunakan objek cnxn = pyodbc.connect(cnxn_str) 8 iniPertama mari kita pilih 1000 baris teratas dari tabel bernama cnxn = pyodbc.connect(cnxn_str) 9cursor.execute("SELECT TOP(1000) * FROM customers") Ini melakukan operasi, tetapi di dalam server, jadi tidak ada yang benar-benar dikembalikan ke Python. Jadi mari kita lihat mengekstraksi data ini dari SQL Ekstrak Data Untuk mengekstrak data kami dari SQL ke Python, kami menggunakan cnxn_str = ("Driver={SQL Server Native Client 11.0};"0. Panda memberi kita fungsi yang sangat nyaman yang disebut cnxn_str = ("Driver={SQL Server Native Client 11.0};"1, fungsi ini, seperti yang sudah Anda duga, membaca data dari SQL cnxn_str = ("Driver={SQL Server Native Client 11.0};"1 membutuhkan kueri dan contoh koneksi cnxn_str = ("Driver={SQL Server Native Client 11.0};"3, seperti itu data = pd.read_sql("SELECT TOP(1000) * FROM customers", cnxn) Ini mengembalikan kerangka data yang berisi 1000 baris teratas dari tabel cnxn = pyodbc.connect(cnxn_str) 9Mengubah Data di SQL Sekarang, jika kita ingin mengubah data di SQL, kita perlu menambahkan langkah lain ke koneksi initialize asli, jalankan proses query Saat kami menjalankan kueri dalam SQL, perubahan ini disimpan di ruang sementara yang ada, tidak dibuat langsung ke data Untuk membuat perubahan ini permanen, kita harus cnxn_str = ("Driver={SQL Server Native Client 11.0};"5. Mari gabungkan kolom cnxn_str = ("Driver={SQL Server Native Client 11.0};"_6 dan cnxn_str = ("Driver={SQL Server Native Client 11.0};"7, untuk membuat kolom cnxn_str = ("Driver={SQL Server Native Client 11.0};"8 cursor = cnxn.cursor()# first alter the table, adding a column Saat ini, cnxn_str = ("Driver={SQL Server Native Client 11.0};"_8 tidak ada di basis data kami. Kita harus cnxn_str = ("Driver={SQL Server Native Client 11.0};"_5 perubahan ini untuk menjadikannya permanen cnxn.commit() Langkah SelanjutnyaSetelah kami melakukan tugas manipulasi mana pun yang perlu kami lakukan. Kita dapat mengekstrak data kita ke Python — alternatifnya, kita dapat mengekstrak data ke Python dan memanipulasinya di sana juga Pendekatan apa pun yang Anda ambil, setelah data ada di Python, kami dapat melakukan banyak hal berguna dengannya yang sebelumnya tidak mungkin dilakukan Mungkin kita perlu melakukan beberapa pelaporan harian, yang biasanya kita gunakan untuk menanyakan kumpulan data terbaru di server SQL, menghitung beberapa statistik dasar, dan mengirimkan hasilnya melalui email Mari otomatiskan itu Dan dengan itu, kita selesai. Menjalankan kode ini dengan cepat mengekstrak data minggu sebelumnya, menghitung ukuran utama kami, dan mengirimkan ringkasannya ke atasan kami Jadi, dalam beberapa langkah sederhana dan mudah, kami telah mengambil pandangan pertama untuk menyiapkan alur kerja otomatis yang lebih efisien dan cepat menggunakan integrasi SQL dan Python Saya menemukan ini sangat berguna, dan tidak hanya untuk kasus penggunaan yang dijelaskan di atas Python hanya membuka rute baru yang tidak dapat kami lewati sebelumnya hanya dengan SQL saja Beri tahu saya pendapat, ide, atau kasus penggunaan Anda, saya ingin mendengarnya. Jika Anda ingin lebih banyak konten seperti ini, saya memposting di YouTube juga Terima kasih sudah membaca 🤖 Diskon 70% untuk Kursus NLP Dengan TransformersJika Anda menikmati artikel ini, Anda mungkin tertarik untuk melihat lebih dalam tentang otomatisasi email dengan Python. Saya membahas ini di artikel sebelumnya, periksa jika Anda tertarik Beri tahu dengan PythonJadikan hidup lebih mudah dengan notifikasi email bawaan Pythonmenuju ilmu data. com Repo GitHub ini juga berisi dokumentasi dan kode yang menunjukkan penerapan beberapa metode yang berguna Bagaimana cara Python terhubung ke SQL?Langkah-langkah berikut diperlukan untuk menghubungkan SQL dengan Python. Langkah 1. Unduh dan Instal database MySQL gratis dari sini. Langkah 2. Setelah menginstal database MySQL, buka Command prompt Anda. Langkah 3. Arahkan Command prompt Anda ke lokasi PIP
Bagaimana cara Python berintegrasi dengan database?Alur kerja umum program Python yang berinteraksi dengan basis data berbasis MySQL adalah sebagai berikut. . Hubungkan ke server MySQL Buat basis data baru Sambungkan ke database yang baru dibuat atau yang sudah ada Jalankan kueri SQL dan ambil hasilnya Beri tahu database jika ada perubahan yang dilakukan pada tabel |