クイックスタート: Jupyter Notebook から SQL データベースに接続する

このクイックスタートでは、Visual Studio CodeのJupyter Notebookを使って、ビジネスインサイトを素早く抽出しましょう。 Pythonのmssql-pythonドライバーを使ってSQLデータベースに接続し、データを読み取り、メール、レポート、プレゼンテーションで使うためのフォーマットを行ってください。

mssql-python ドライバーでは、Windows マシンへの外部依存関係は必要ありません。ドライバーは、1 つの pip インストールで必要なすべてのものをインストールします。これにより、アップグレードとテストの時間がない他のスクリプトを中断することなく、新しいスクリプトに最新バージョンのドライバーを使用できます。

mssql-python のドキュメント | mssql-python ソースコード | パッケージ (PyPI) | Visual Studio Code

[前提条件]

Python 3.10 以降。
Python をまだお持ちでない場合は、python.org から Python ランタイムと pip パッケージマネージャーをインストールします。
自分の環境を使いたくないですか? コンテナやローカル開発に従って、再現可能な開発コンテナやGitHub Codespaces環境を作成しましょう。
Visual Studio Code と次の拡張機能:
- Visual Studio Code 用の Python 拡張機能
- Visual Studio Code 用の Jupyter 拡張機能
macOS および Linux でのパスワードレス認証用の Azure Command-Line インターフェイス (CLI)。
uvがまだない場合は、インストール手順に従います。
Fabric の SQL Server、Azure SQL Database、または SQL データベースにある、AdventureWorks2025 サンプルスキーマと有効な接続文字列を備えたデータベース。

オペレーティングシステムをインストールするための前提条件

オペレーティングシステム固有の 1 回限りの前提条件をインストールします。 Windowsユーザーはこのステップをスキップできます。プラットフォームの詳細は「Install mssql-python」をご覧ください。

apk add libtool krb5-libs krb5-dev libstdc++

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

SQL データベースを作成する

以下のいずれかのプラットフォームでSQLデータベースを作成または接続してください:

Azure portal を使用して数分で SQL データベースを作成する

新しいプロジェクトを作成する

開発ディレクトリでコマンドプロンプトを開きます。もし持っていなければ、 python や scriptsなどの新しいディレクトリを作成しましょう。 OneDriveのフォルダは避けてください。同期が仮想環境の管理に支障をきたす可能性があります。

を使用して新しいuvを作成します。

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

依存関係を追加する

同じディレクトリに、 mssql-python、 python-dotenv、 rich、 pandas、および matplotlib パッケージをインストールします。次に、 ipykernel と uv を開発依存関係として追加します。 VS Codeはノートブックセルの実行に ipykernel が必要で、セル内のパッケージ管理 uv が必要です。

uv add mssql-python python-dotenv rich pandas matplotlib
uv add --dev ipykernel
uv add --dev uv

Visual Studio Code を起動します

同じディレクトリで、次のコマンドを実行します。

code .

pyproject.toml を更新する

エディターで pyproject.toml ファイルを開きます。このファイルにはプロジェクトのメタデータが含まれています。

description値を更新してください。

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

ファイルを保存して閉じます。

接続文字列を保存する

.gitignore ファイルを開き、.env ファイルの除外を追加します。あなたのファイルは以下の例に似ているはずです。
```
# Python-generated files
__pycache__/
*.py[oc]
build/
dist/
wheels/
*.egg-info

# Virtual environments
.venv

# Connection strings and secrets
.env
```
.gitignoreを保存して閉じます。
現在のディレクトリに、 .envという名前の新しいファイルを作成します。
.env ファイル内に、SQL_CONNECTION_STRINGという名前の接続文字列のエントリを追加します。プレースホルダーを実際の値に置き換えます。
```
SQL_CONNECTION_STRING="Server=<server>;Database=<database>;Encrypt=yes;TrustServerCertificate=no;Authentication=ActiveDirectoryInteractive"
```
接続文字列は接続しているSQLデータベースの種類によって異なります。 Azure SQL DatabaseやFabricのSQL Databaseでは、接続文字列タブのODBCの接続文字列を使い、シナリオに合わせて認証タイプを調整してください。接続文字列の構文の詳細については、「mssql-python 用の接続文字列」を参照してください。

ヒント

macOS では、 ActiveDirectoryInteractive と ActiveDirectoryDefault の両方が Microsoft Entra 認証で機能します。 ActiveDirectoryInteractive スクリプトを実行するたびにサインインするように求められます。繰り返しサインインを求めるプロンプトを避けるため、Azure CLIaz loginコマンドで一度サインインし、ActiveDirectoryDefaultを使用します。 ActiveDirectoryDefault キャッシュされた認証情報を再利用します。

Jupyter Notebook を作成する

一覧から [ ファイル] を選択し、[ 新しいファイル ] と [Jupyter Notebook ] を選択します。新しいノートブックが開きます。
[ ファイル]、[ 名前を付けて保存... ] の順に選択し、新しいノートブックに名前を付けます。

最初のセルに次のインポートを追加します。

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

ノートブックの上部にある [+ マークダウン ] ボタンを使用して、新しいマークダウンセルを追加します。
新しいマークダウンセルに次のテキストを追加します。
```
## Define queries for use later
```
セルツールバーで チェックマーク を選択するか、キーボードショートカット Ctrl+Enter または Shift+Enter を使用してマークダウンセルをレンダリングします。
ノートブックの上部にある [+ コード ] ボタンを使用して、新しいコードセルを追加します。

新しいコードセルに次のコードを追加します。

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 AS sod
INNER JOIN SalesLT.SalesOrderHeader AS soh
    ON sod.SalesOrderID = soh.SalesOrderID
INNER JOIN SalesLT.Product AS p
    ON sod.ProductID = p.ProductID
INNER JOIN SalesLT.ProductCategory AS pc
    ON p.ProductCategoryID = pc.ProductCategoryID
GROUP BY pc.Name
ORDER BY Spend;
"""

テーブルに結果を表示する

ノートブックの上部にある [+ マークダウン ] ボタンを使用して、新しいマークダウンセルを追加します。
新しいマークダウンセルに次のテキストを追加します。
```
## Print orders by customer and display in a table
```
セルツールバーで チェックマーク を選択するか、キーボードショートカット Ctrl+Enter または Shift+Enter を使用してマークダウンセルをレンダリングします。
ノートブックの上部にある [+ コード ] ボタンを使用して、新しいコードセルを追加します。

新しいコードセルに次のコードを追加します。

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)

ノートブックの上部にある [ すべて実行 ] ボタンを使用して、ノートブックを実行します。
プロンプトが表示されたら 、jupyter-notebook-qs カーネルを選択します。

グラフに結果を表示する

前のセルの出力を確認しましょう。 3 つの列と 5 つの行を含むテーブルが表示されます。
ノートブックの上部にある [+ マークダウン ] ボタンを使用して、新しいマークダウンセルを追加します。
新しいマークダウンセルに次のテキストを追加します。
```
## Display spend by category in a horizontal bar chart
```
セルツールバーで チェックマーク を選択するか、キーボードショートカット Ctrl+Enter または Shift+Enter を使用してマークダウンセルをレンダリングします。
ノートブックの上部にある [+ コード ] ボタンを使用して、新しいコードセルを追加します。

新しいコードセルに次のコードを追加します。

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'])

[セルの実行] ボタンまたはCtrl+Alt+Enterを使用してセルを実行します。
グラフを確認してください。

フィードバック

このページはお役に立ちましたか?

最終更新: 2026-10-19

クイック スタート: Jupyter Notebook から SQL データベースに接続する

[前提条件]

オペレーティングシステムをインストールするための前提条件

SQL データベースを作成する

プロジェクトを作成してコードを実行する

新しいプロジェクトを作成する

依存関係を追加する

Visual Studio Code を起動します

pyproject.toml を更新する

接続文字列を保存する

Jupyter Notebook を作成する

テーブルに結果を表示する

グラフに結果を表示する

関連するコンテンツ

フィードバック

その他のリソース

クイックスタート: Jupyter Notebook から SQL データベースに接続する