从 Python 连接到 SQLServer 最简单的方法是什么？

Question

我正在尝试使用 python 连接到 **SQLServer ** 并将 pandas 数据框作为表放在上面 并执行查询，我该怎么做？ 例如，我希望能够通过 Python 确定表的主键，并最大限度地减少对 SSMS 的需求。 如果这个工具有助于记录数据库交互那就太好了 我尝试过sqlalchemy，它是一个很好的工具，但是有更好的方法吗？

Answer 1

所以我创建了它:) 它被命名为 pySqlServer，并带有 github 页面：https://github.com/sajad-git/pySqlServer

一些使用技巧： 首先你可以使用 pip install pysqlserver 来安装它

使用方法

导入PySQL和Table_analyzer：

from pySqlServer import PySQL, Table_analyzer

---

---

Table_analyzer 用法：

用于分析 Pandas DataFrame 以确定最佳 SQL 数据类型的帮助程序类。

df = pd.read_csv('test.csv')
TA = Table_analyzer()
dtype_dict = TA.analyze(df,texts_buffer=0.2)

• 对于 texts_buffer > 1 ：nvarchar(N) 中的 N 设置为 len_max_length + texts_buffer
• 0 < texts_buffer < 1 : N in nvarchar(N) sets to len_max_length + texts_buffer*len_max_length (extra percentage)

---

---

PySQL 用法：

• 创建连接

pysql = PySQL()
pysql.create_connection(server='host_ip', database='mydb', username='myuser', password='mypassword', local_sql=False)

您的用户必须具有“db_datareader”、“db_datawriter”、“db_ddlAdmin”权限才能使模块完美运行 在本地 SQL Server 中为 Windows 身份验证设置 local_sql=True

• 第一次使用（对于每个表）你必须调用create_dtypes()

dtype_dict = {'col1':sql.sqltypes.INTEGER , 'col2':sql.sqltypes.NVARCHAR(100)} # it's suggested to use Table_analyzer to calculate optimal dtype_dict
# dtype_dict = TA.analyze(df,texts_buffer=0.2) 
pysql.create_dtypes(dtype_dict=dtype_dict, table_name='Test_table', schema='Test_schema')

• 在所有接下来的用法中，您必须调用load_dtypes，然后您可以使用to_sql方法发送数据

pysql.load_dtypes(table_name='Test_table', schema='Test_schema')    # created before
pysql.to_sql(df,'Test_table', schema='Test_schema', if_exists='append', text_cutter=True, date_normalizer=True, method='multi', verbos=True)

• 可以使用primary_key='column_name'来设置表primary_key
• 在接下来的使用中不允许使用这个
• “text_cutter”尝试剪切新文本，如果这些长度高于列容量
• 'date_normalizer'尝试使日期格式列适合sql server
• method='multi' 用于在 ine 查询中插入多行
• verbos=True --> 显示数据传输进度条（默认：False）

• 还有一些读取数据的方法可以从数据库中读取数据（返回 pandas 数据帧）

pysql.tables_list(schema=None)
pysql.read_sql_table(table_name, schema=None)
pysql.read_sql_query(query='SELECT * FROM TABLE_NAME')

• 您还可以使用 update_key 和 update_value 更新表

此行应将表中名为 Bob Lookie 的人的年龄更新为 83 YO！ 以其他方式，您可以使用字典列表设置 update_key 和 update_value ，它会更新一行中的所有查询（len（update_key）应该等于 len（update_value））

pysql.update_table(table_name='personal_data', schema='persons', update_key={'name':'Bob', 'last_name':'Looki'}, update_value={'age':83})

• logger 是一种常用方法（它记录日期时间、process_id 和 actor_user 以便使您的操作可跟踪）

每个 to_sql 调用都可以与带有“process_id”列的日志连接，这样您就可以找到谁、何时开始存储数据以及处理需要多长时间

pysql.logger('create_connection', 'success', 'connected')