如何使用read_sql_query()调用带参数的SQL存储过程？

看起来你在调用带参数的SQL Server存储过程时遇到了几个常见问题，我来帮你梳理一下解决方案：

先说说你遇到的两个错误原因 #

1. 第一个错误：TypeError: unsupported operand type(s) for &: 'str' and 'int'
   你用了"EXECUTE dbo.LibraryBookData @BookId = " & bookId来拼接字符串和数字，但&是VB/Visual Basic里的字符串拼接运算符，Python里对应的是+。不过更重要的是：绝对不要直接把参数拼接到SQL语句里，这会带来严重的SQL注入风险，而且当参数是字符串类型时还会引发语法错误。

2. 第二个错误：TypeError: Connection.execute() got an unexpected keyword argument 'bookId'
   SQLAlchemy的execute()方法并不支持直接传命名关键字参数（比如BookId=bookId），正确的传参方式是传递一个参数字典，或者位置参数。而且你原本的代码里同时用了con.execute()和pd.read_sql_query()，其实后者可以直接完成查询和结果转换，不需要单独调用execute()。

正确的实现方式 #

这里提供两种靠谱的写法，都能安全传递参数并获取存储过程的结果：

方法1：直接用pd.read_sql_query()配合参数

这是最简洁的方式，利用read_sql_query的params参数传递参数字典：

import pandas as pd
from sqlalchemy import create_engine, text, URL

bookId = 653

# 构建连接信息
connection_string = "DRIVER={ODBC Driver 17 for SQL Server};SERVER=dev;DATABASE=Nemisis"
connection_url = URL.create("mssql+pyodbc", query={"odbc_connect": connection_string})
engine = create_engine(connection_url)

# 定义带命名占位符的存储过程调用语句
qry = text("EXECUTE dbo.LibraryBookData @BookId = :BookId")

# 直接用read_sql_query执行并转换为DataFrame，通过params传递参数
df = pd.read_sql_query(qry, engine, params={"BookId": bookId})

方法2：手动管理连接执行后再转DataFrame

如果你需要手动控制连接生命周期，可以这样写：

import pandas as pd
from sqlalchemy import create_engine, text, URL

bookId = 653

connection_string = "DRIVER={ODBC Driver 17 for SQL Server};SERVER=dev;DATABASE=Nemisis"
connection_url = URL.create("mssql+pyodbc", query={"odbc_connect": connection_string})
engine = create_engine(connection_url)

qry = text("EXECUTE dbo.LibraryBookData @BookId = :BookId")

with engine.connect() as con:
    # 传递参数字典给execute方法
    rs = con.execute(qry, {"BookId": bookId})
    # 将结果转换为DataFrame
    df = pd.DataFrame(rs.fetchall(), columns=rs.keys())

关键要点总结 #

• 杜绝直接拼接参数：始终使用参数绑定的方式传递变量，既安全又能避免语法错误。
• SQLAlchemy占位符：用:参数名作为命名占位符，比位置占位符（?）更清晰，尤其是在多个参数的场景下。
• read_sql_query的params参数：这是pandas专门用来传递查询参数的入口，使用起来非常方便。

备注：内容来源于stack exchange，提问作者SkyeBoniwell