利用pandas读取SQL Sever数据表

python的pandas库读取SQL sever有两种方法。一种使用pymssql，另一种使用sqlalchemy。这里只是将数据库中的表读取为DataFrame，不进行修改等表操作。

一、pymssql

1.安装

可以直接用以下命令安装pymssql。

pip install pymssql
pip install sqlalchemy

2.连接数据库

这里也分为两种情况，一种是直接使用windows验证登陆，另一种是进行SQL Sever身份验证即账号密码登陆。这里可以进行设置，可以同时使用两种登录方式。

1.登录设置

如果要设置两种方式同时登陆，我们首先用windows验证登录以后

点击安全性，选择如图所示的选项以后点击确定，关闭该窗口。

然后点击安全性，在登录名中右键点击sa，再点击菜单栏的最下方的属性。

首先点击常规，设置密码，然后再点击状态，启用登陆。点击确定关闭。

最后我们需要重启SQL Sever。在开始菜单栏找到SQL Sever配置管理器。找到SQL Sever网络配置。在MSSQL Sever协议中启用“Named Pipes”和“TCP/IP”。然后在SQL Sever服务中，右键点击SQL Sever（MSSQL Sever），然后点击重新启动。这样就设置完成了。

3.获取数据库表

import pymssql
import pandas as pd
"""
如果使用sql sever身份验证的话用下面的代码
conn = pymssql.connect(host, user, password, "连接默认数据库名称")  
"""
#这里直接用windows验证登陆，无需账号密码，database为需要连接的数据库名称
conn = pymssql.connect(host="",database="db_databsae", charset="utf8")

#使用pandas库的read_sql方法，输入select语句即可

df = pd.read_sql("select * from score",con=conn)
print(df)
conn.close()

这里的host参数是服务器名称，我们一般连接到本地服务器为localhost，就是ip地址加端口号。可以按照如下方式找到。右键ip协议然后点击属性，这里host即为 ip地址：端口号 。比如 127.0.0.1:1533 。127.0.0.1为ip，1533为端口号。这样我们就可以成功获取到数据了。

二、sqlalchemy

有了上一部分的设置，这里直接上代码，都是类似的。

import sqlalchemy as sqla
#windows验证登陆
#这里只需把host换成自己的host和databsae换成自己的数据库名称
db = sqla.create_engine("mssql+pymssql://@host/databsae?charset=utf8")
pd.read_sql("select * from score;",db)

#sql sever身份验证登陆
#同样换掉host和数据库名称，同时换掉sa登陆的密码，这里为123
db = sqla.create_engine("mssql+pymssql://sa:123@host/db_databsae?charset=utf8")
pd.read_sql("select * from test;",db)