如何从Azure ML Jupyter笔记本将Pandas数据框写入Azure SQL数据库？

一、Driver参数的正确设置 #

你代码里写的{ODBC Driver 17 for SQL Server}是完全正确的，Azure ML的计算实例默认预装了该版本的ODBC驱动，直接使用即可。

需要注意的是你代码中server变量末尾多了一个空格，这会导致连接失败，修正后应为：

server = 'server.windows.net'

二、更优实现方式 #

1. 使用SQLAlchemy引擎（推荐） #

Pandas的to_sql对SQLAlchemy的兼容性更好，还能自动管理连接池，代码更简洁稳定：

import pandas as pd
from sqlalchemy import create_engine

# 数据准备
data = [
    ['94732','John', 'Y', 'Seg1'],
    ['93045','Jane', 'N', 'Seg2']]
headers=['ID', 'name', 'Class', 'Segment']
testing_df = pd.DataFrame(data, columns=headers)

# 连接参数
server = 'server.windows.net'
database = 'database'
username = 'username'
password = 'pwd'
driver = 'ODBC Driver 17 for SQL Server'

# 构建SQLAlchemy连接字符串（替换空格为+适配URL格式）
connection_string = f"mssql+pyodbc://{username}:{password}@{server}/{database}?driver={driver.replace(' ', '+')}"
engine = create_engine(connection_string)

# 写入数据
table_name = 'ddo_datacove_output_test'
testing_df.to_sql(table_name, engine, index=False, if_exists='append')

2. 利用Azure ML工作区连接资产（更安全） #

既然你已将Azure SQL表设为资产，可直接通过Azure ML SDK获取预配置的连接，避免硬编码敏感信息：

import pandas as pd
from azureml.core import Workspace
from sqlalchemy import create_engine

# 获取当前工作区
ws = Workspace.from_config()

# 获取已注册的SQL数据库连接资产（替换为你的连接资产名称）
sql_datastore = ws.datastores['AzureSQL_Connection']

# 构建连接字符串
driver = 'ODBC Driver 17 for SQL Server'
connection_string = f"mssql+pyodbc://{sql_datastore.username}:{sql_datastore.password}@{sql_datastore.server_name}/{sql_datastore.database_name}?driver={driver.replace(' ', '+')}"
engine = create_engine(connection_string)

# 写入数据
testing_df.to_sql('ddo_datacove_output_test', engine, index=False, if_exists='append')

额外注意事项 #

• 确保Azure ML计算实例的公网IP已加入Azure SQL数据库的防火墙允许列表，否则会被拒绝连接。
• 若遇到驱动版本问题，可执行pyodbc.drivers()查看当前环境可用的驱动列表，选择对应版本即可。

内容的提问来源于stack exchange，提问作者DC2021