如何通过SQLAlchemy连接SQL Server 2000 DSN适配Pandas？

方案1：绕过SQLAlchemy，直接用pyodbc构造DataFrame #

既然已通过pyodbc成功建立连接，可直接执行查询并手动转换为DataFrame，避开Pandas的SQLAlchemy连接要求：

import pandas as pd
import pyodbc

# 已验证的pyodbc连接
conn = pyodbc.connect(f"DSN={DSN}; UID={UName}; PWD={Pwd}")

# 执行查询
cursor = conn.cursor()
cursor.execute("SELECT * FROM your_table_name")

# 提取列名与数据
columns = [desc[0] for desc in cursor.description]
rows = cursor.fetchall()

# 构造DataFrame
df = pd.DataFrame.from_records(rows, columns=columns)

# 清理资源
cursor.close()
conn.close()

此方法无需依赖SQLAlchemy，直接利用已生效的pyodbc连接完成数据提取，彻底规避警告和SQLAlchemy适配问题。

方案2：适配SQL Server 2000的SQLAlchemy连接配置 #

SQL Server 2000属于老旧版本，SQLAlchemy 2.0对其原生支持有限，需针对性调整连接参数：

• 指定兼容SQL Server 2000的旧版ODBC驱动（如系统自带的SQL Server，而非新版ODBC Driver 17 for SQL Server）
• 添加参数禁用SQLAlchemy的新特性，适配旧版SQL语法

示例连接代码：

from sqlalchemy import create_engine
import urllib

# 构造ODBC连接字符串
params = urllib.parse.quote_plus(
    f"DRIVER={{SQL Server}};SERVER=你的服务器地址;DATABASE=目标库名;UID={UName};PWD={Pwd}"
)
# 创建引擎并启用旧版模式
engine = create_engine(f"mssql+pyodbc:///?odbc_connect={params}", legacy_schema_aliasing=True)

# 查询生成DataFrame
with engine.connect() as conn:
    df = pd.read_sql("SELECT * FROM your_table_name", conn)

若仍提示schema_name函数未识别，需检查查询语句是否使用了SQL Server 2000不支持的函数，或强制SQLAlchemy生成兼容旧版的SQL语句。

驱动适配建议 #

SQL Server 2000不支持新版ODBC驱动，需安装旧版驱动：

• 32位系统可直接使用系统自带的SQL Server ODBC驱动
• 64位系统需安装SQL Server 2008 R2 Native Client（最后一个官方支持SQL Server 2000的驱动），安装后在ODBC数据源中选择SQL Server Native Client 10.0作为驱动

内容的提问来源于stack exchange，提问作者ChemEnger