在開發項目過程中，更多的是通過Python訪問SQL Server數據庫接口，進行數據挖掘的操作；而SQL Server2016版本之后，嵌入了強大的R、Python、Machine Learning等功能，尤其是Python代碼置于存儲過程中，可以實現一些便捷數據分析功能。

本系列文章主要講解SQL Server 2017實現Python數據分析的文章，同時對比兩者的優劣。第一篇文章主要講解SQL Server開發Python環境的安裝過程及基本的數據分析代碼實現?；A性文章，自己也在不斷學習中，希望對你有所幫助。

PS：2019年1~2月作者參加了CSDN2018年博客評選，希望您能投出寶貴的一票。我是59號，Eastmount，楊秀璋。投票地址：https://bss.csdn.net/m/topic/blog_star2018/index

五年來寫了314篇博客，12個專欄，是真的熱愛分享，熱愛CSDN這個平臺，也想幫助更多的人，專欄包括Python、數據挖掘、網絡爬蟲、圖像處理、C#、Android等。現在也當了兩年老師，更是覺得有義務教好每一個學生，讓貴州學子好好寫點代碼，學點技術，"師者，傳到授業解惑也"，提前祝大家新年快樂。2019我們攜手共進，為愛而生。

---

一. 安裝SQL Server

(一) 安裝SQL Server 2017

本文安裝的軟件為：cn_sql_server_2017_developer_x64_dvd_11296175.iso
下載地址：

1.選擇“全新 SQL Server 獨立安裝或向現有安裝添加功能”。

2.安裝所需功能，注意機器學習服務、R、Python均需要安裝。

3.選擇默認實例“MSSQLSERVER”。

4.選擇混合性模型，包括SQL Server身份驗證（sa）和Windows身份驗證，同時添加當前用戶。

5.安裝。

安裝成功之后，你會發現仍然不能編寫SQL Server代碼，這是因為還需要安裝SQL Server管理工具。

(二) 安裝SQL Server Management Studio

微軟官方下載地址：https://docs.microsoft.com/en-us/sql/ssms/download-sql-server-management-studio-ssms?view=sql-server-2017
作者上傳下載地址：

安裝過程如下圖所示。

安裝成功之后即可使用SQL Server編寫代碼了。

---

二. 配置Python和R開發環境

安裝成功之后我們新建一個數據庫test01，可以發現SQL語句可以編寫，但編寫Python或R代碼仍然會報錯。
推薦文章：
https://docs.microsoft.com/zh-tw/sql/advanced-analytics/tutorials/run-python-using-t-sql?view=sql-server-2017
解決方法：
http://www.cnblogs.com/OpenCoder/p/7090370.html
http://www.kodyaz.com/t-sql/enable-external-script-on-sql-server-for-r-python.aspx

1.查看Python是否已經啟用，查看SQL Server環境下是否有Python可執行文件。如：C:\Program Files\Microsoft SQL Server\MSSQL14.MSSQLSERVER\PYTHON_SERVICES。
注意，Scripts文件夾下可以通過pip安裝其他Python庫。

2.檢查是否已啟用外部指令，代碼如下：

--查看外部指令 sp_configure 'external scripts enabled' --啟用外部腳本，設置config_value為1 EXEC sp_configure 'external scripts enabled', 1 RECONFIGURE WITH OVERRIDE

如果run_value為1，則機器學習功能已經安裝成功并且可供使用。否則設置config_value為1。

3.此時如果執行Python代碼，可能會提示錯誤“此 SQL Server 實例已禁用 sp_execute_external_script，請使用 sp_configure 的已啟用的外部腳本對其進行啟用?！?這表示run_value仍然為0，此時需要開啟服務。開啟方法如下：
1) 開啟SQL Server實例數據庫引擎服務
2) 開啟SQL Server實例Lanuchpad服務
注意執行完后要重啟數據庫引擎服務和SQL Server Lanuchpad服務才會正式生效：

4.重啟電腦和數據庫引擎服務。

5.添加最簡單的Python和R語言代碼，并執行。
Pyhton代碼

EXEC sp_execute_external_script @language = N'Python', @script = N'print(3+4)'

運行結果如下：

R代碼

exec sp_execute_external_script @language =N'R', @script=N'OutputDataSet<-InputDataSet', @input_data_1 =N'select 1 as hello' with result sets (([hello] int not null)); go

運行結果如下：

---

三. T-SQL調用Python數據分析入門

腳本語言的基本語法如下，推薦官方文章 sp_execute_external_script (TRANSACT-SQL) 。

sp_execute_external_script @language = N'language', @script = N'script' [ , @input_data_1 = N'input_data_1' ] [ , @input_data_1_name = N'input_data_1_name' ] [ , @output_data_1_name = N'output_data_1_name' ] [ , @parallel = 0 | 1 ] [ , @params = N'@parameter_name data_type [ OUT | OUTPUT ] [ ,...n ]' ] [ , @parameter1 = 'value1' [ OUT | OUTPUT ] [ ,...n ] ]

推薦這篇文章供大家學習基礎知識：使用 T-SQL 執行 Python

1.程序一 調用包

execute sp_execute_external_script @language = N'Python', @script = N' import math a = 1 b = 2 c = a*b print(a,b,c) d = math.pi/6 print(math.sin(d)) '

輸出結果如下所示：

2.程序二 回歸預測

execute sp_execute_external_script @language = N'Python', @script = N' from sklearn import linear_model import matplotlib.pyplot as plt import numpy as np #X表示匹薩尺寸 Y表示匹薩價格 X = [[6], [8], [10], [14], [18]] Y = [[7], [9], [13], [17.5], [18]] print(X) print(Y) #回歸訓練 clf = linear_model.LinearRegression() clf.fit(X, Y) res = clf.predict(np.array([12]).reshape(-1, 1))[0] print(u"預測一張12英寸匹薩價格：$%.2f" % res) #預測結果 X2 = [[0], [10], [14], [25]] Y2 = clf.predict(X2) '

輸出結果可以看到線性回歸預測的價格。

后續文章將結合存儲過程詳細講解SQL Server玩轉Python的過程，比如這篇文章。
https://docs.microsoft.com/zh-cn/sql/advanced-analytics/tutorials/sqldev-py5-train-and-save-a-model-using-t-sql?view=sql-server-2017

希望文章對大家有所幫助，如果有錯誤或不足之處，還請海涵。最近經歷的事情太多，有喜有悲，關閉了朋友圈，希望通過不斷學習和寫文章來忘記煩勞，將憂郁轉換為動力，每周學習都記錄下來。
（By：Eastmount 2018-11-12 晚上12點 https://blog.csdn.net/Eastmount/）

總結

以上是生活随笔為你收集整理的[SQL Server玩转Python] 一.安装环境及T-SQL调用python脚本的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。