Sql server dengan tutorial python

Dan untuk bagian terakhir, buka Python IDLE Anda dan isi nama server, database, dan informasi tabel

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

• Nama servernya adalah. RON\SQLEXPRESS
• Nama basis datanya adalah. test_database
• Nama tabelnya adalah. produk

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

(1, 'Laptop', 1100)
(2, 'Printer', 200)
(3, 'Keyboard', 80)
(4, 'Monitor', 450)
(5, 'Tablet', 300)

Dari SQL ke Pandas DataFrame

Anda 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

   product_id  product_name  price
0           1        Laptop   1100
1           2       Printer    200
2           3      Keyboard     80
3           4       Monitor    450
4           5        Tablet    300

Perhatikan bahwa sintaks print(type(df)) juga ditambahkan di bagian bawah kode untuk mengonfirmasi bahwa kita memiliki DataFrame

Kesimpulan dan Sumber Daya Tambahan

Anda telah melihat cara menghubungkan Python ke SQL Server. Setelah Anda membuat koneksi ini, Anda dapat mulai menggunakan SQL dengan Python untuk mengelola data Anda

Dengan penggunaan umum bahasa pemrograman Python dan SQL Server sebagai database untuk hampir semua transaksi, koneksi Python dan SQL Server sangat penting untuk melakukan semua kegiatan Machine Learning. Ini membantu untuk melakukan semua manipulasi data dengan bantuan program Python dan kueri SQL sehingga aktivitas Machine Learning dapat dilakukan dengan mudah di sistem dan data. Detail string koneksi beserta nama server dan database harus diberikan di antarmuka baris perintah untuk melakukan koneksi

Mengapa kita membutuhkan Python SQL Server?

• Ketika semua program sains data ditulis dengan Python, dan ketika ada kebutuhan kueri untuk memeriksa data yang ada di database, akan membosankan untuk menjalankan program dalam satu aplikasi dan memeriksa jumlah data di aplikasi lain. Oleh karena itu, penting untuk menautkan server Python dan SQL untuk menyelesaikan semua pekerjaan dalam rentang waktu singkat. Ini membantu menghemat waktu untuk ekstraksi data karena dapat dijalankan langsung di server
• Ketika data diambil di luar database, keamanan dan kepatuhan harus diperiksa dengan aplikasi kedua yang akan ditransfer. Ini berarti bahwa data yang dipindahkan harus sejalan dengan semua aplikasi keamanan, integritas, dan kemampuan lainnya. Selain itu, kita bisa melakukan pengujian sampel di database secara langsung tanpa membawanya ke aplikasi Python untuk menguji sampel. Ini karena jaringan basis data bekerja lebih baik daripada Python, sehingga perselisihan data terjadi lebih cepat daripada di Python. Ini adalah alasan lain untuk memilihnya
• SQL Server mendukung semua jenis integrasi dengan Python melalui ekstensi dan pustaka. Saat menggunakan SQL Server, semua keuntungan seperti indeks dan tabel dalam memori dapat dipertimbangkan untuk manipulasi data. Ini membuat pengambilan data menjadi mudah untuk semua aplikasi dalam SQL Server. Komputasi yang lebih cepat dengan lalu lintas jaringan yang lebih sedikit juga membantu data dianalisis dan diberikan ke Python untuk diproses lebih lanjut. Kita dapat menulis kode Python langsung di server dan menganalisis datanya

Bagaimana cara kerja Python SQL Server?

• Unduh dan instal SQL Server di sistem. Saat melakukan pengaturan awal, kita harus memilih Python dari Layanan Pembelajaran Mesin di aplikasi. Selanjutnya, layanan mesin basis data dan layanan mesin harus dipilih selama pemilihan fitur, di mana Python berada di bawah layanan mesin. Terakhir, kami memiliki dua opsi, Python dan R, di mana Python harus dipilih karena kami perlu menjalankan Python di SQL Server. Selanjutnya, pilih 'persetujuan untuk menginstal Python' setelah itu Python akan diinstal bersama dengan SQL Server
• Setelah menginstal SQL Server Management Studio dan bahasa Python, jalankan sp_configure untuk menjalankan skrip eksternal di SQL Server. Kemudian, setelah memulai kembali instance SQL sekali, jalankan System Stored Procedure 'sp_execute_external_script' sekali dengan skrip Python sebagai argumen. Ini membantu menjalankan Python di SQL Server bersama dengan tipe data yang didukung di Python. Tipe data akan dikonversi langsung menjadi tipe data yang mendukung Python dan lainnya yang tidak memiliki dukungan Python; . Terakhir, kita bisa membaca file csv menggunakan library Pandas dan melakukan perhitungan statistik pada tabel
• Kita harus menginstal pyodbc menggunakan paket PIP. Dengan asumsi kita mengetahui nama server, database, dan nama tabel, kode di bawah ini harus ditulis dengan Python dengan mengisi detail yang relevan dan disebarkan. Kami juga dapat menggunakan bingkai data Panda bersama dengan 'koneksi' string koneksi untuk terhubung dengan bingkai data dan SQL secara langsung

import pyodbc
connection = pyodbc.connect('Driver={SQL Server}'
'Server=servername;'
'Database=databasename;'
'TrustedConnection=yes;')
Cursor_exe = connection.cursor()
Cursor_exe.execute('SELECT * FROM database_name.table')
for row in cursor_exe:
    print(row)

Setelah koneksi ini selesai, kita dapat menulis kode Python di SQL Server dan melakukan analisis data

Kelebihan dan Kekurangan Python SQL Server

Diberikan di bawah ini adalah kelebihan dan kekurangan yang disebutkan

Keuntungan

• Perpindahan data dari satu aplikasi ke aplikasi lainnya berkurang, menghasilkan keamanan dan tata kelola yang lebih baik serta kinerja yang baik dalam analisis data. Selain itu, kita dapat menggunakan ekstensi Python di SQL Server untuk mengelola data di dalam server itu sendiri. Dengan Prosedur Tersimpan yang sederhana, kita dapat melakukan penerapan dengan mudah di database, dan kita dapat menjalankan kode Python dengan mudah di sistem, mirip dengan menjalankan skrip T-SQL
• Ekstensi Python apa pun dapat dengan mudah dipasang dan digunakan bersama dengan skrip T-SQL. Ini membantu membangun aplikasi pembelajaran mendalam atau AI di server SQL tanpa masalah. Integrasi Python dengan SQL server dapat dilakukan dengan mudah, dan tidak ada biaya tambahan yang dikenakan untuk kepuasan pengguna. Kami dapat menskalakan aplikasi Python dengan mudah dengan ekstensi yang tersedia dan kueri SQL membuatnya bagus untuk bekerja dengan semua kemajuan terbaru dalam aplikasi. Insinyur data, ilmuwan data, dan administrator basis data dapat menggunakan fungsi ini dan meningkatkan kinerja aplikasi

Kekurangan

• SQL memiliki beberapa batasan dalam manipulasi data karena hanya berfungsi dengan tabel dan indeks yang tersedia di tabel. Mengenai Python, tidak perlu memiliki tabel, tetapi kita dapat melakukan manipulasi data apa pun dalam Python dengan format apa pun dan melakukan tes regresi. Selain itu, kita juga bisa melakukan manipulasi data berdasarkan time series. Oleh karena itu, kombinasi keduanya akan membantu pengembang untuk melakukan analisis data dalam format apa pun
• Pengembang Python mungkin merasa sulit untuk memahami antarmuka SQL Server karena tidak semudah aplikasi Python. Fitur harus diketahui terlebih dahulu untuk menggunakannya bersama dengan SQL Server. Beberapa orang mungkin menganggap SQL Server Management Studio mahal karena Python ditawarkan sebagai sumber terbuka untuk semua orang. Jika seseorang sudah familiar dengan SSMS dan ada dana untuk aplikasinya, SSMS dan Python adalah pilihan yang bagus

Kesimpulan

Penting untuk mengetahui SQL agar kita dapat menggunakan semua trik SQL dalam kode Python dan mempermudah pekerjaan untuk semua. Integrasi ini membantu dalam semua teknik ilmu data tingkat lanjut untuk digunakan di SQL Server dengan kinerja yang lebih baik

Mulai Kursus Pengembangan Perangkat Lunak Gratis Anda

Pengembangan web, bahasa pemrograman, pengujian Perangkat Lunak & lainnya

Artikel yang Direkomendasikan

Ini adalah panduan untuk Python SQL Server. Di sini kita membahas pengenalan, kebutuhan, cara kerja, kelebihan & kekurangannya masing-masing. Anda juga dapat melihat artikel berikut untuk mempelajari lebih lanjut –

Bisakah saya menggunakan Python dengan server SQL?

Bagaimana cara menghubungkan server SQL dengan Python?