Análises Práticas com SQL e Python
Você sabe como integrar análises práticas com SQL e Python? Descubra hoje como representar uma análise graficamente!
Caso prefira esse conteúdo no formato de vídeo-aula, assista ao vídeo abaixo ou acesse o nosso canal do YouTube!
O que você aprende neste vídeo
Resposta rápida: Aula de SQL com Python que leva o resultado de uma consulta do SQL Server para o Jupyter Notebook por uma conexão, agrupa os produtos por cor e termina num gráfico de colunas. Mostra o passo a passo simples: instalar a biblioteca, informar os dados de conexão e ler a consulta com o pandas.
Neste vídeo (20 min):
- 0:12 - Objetivo: trazer dados do SQL Server para o Python e ver em gráfico
- 2:52 - Consulta
select * from productna tabela de produtos do banco de exemplo - 3:26 - Escolha de duas colunas, a cor e o preço unitário, para levar ao Python
- 3:51 - Meta do exemplo: o total de produtos de cada cor, a partir de 2.517 linhas
- 5:29 - Instalação da biblioteca de conexão com
pip install pyodbc - 6:24 - Importação do
pyodbce do pandas, este com o apelidopd - 7:59 - Dados de conexão: driver, servidor e banco de dados
- 9:08 - Como descobrir o nome do servidor com o comando
hostnameno prompt de comando - 10:44 - Criação da conexão com
pyodbc.connecte teste com a mensagem de conexão bem-sucedida - 13:13 - Leitura da consulta no banco com
pd.read_sql - 14:53 - Agrupamento por cor com
groupbye contagem de cada grupo - 17:33 - Gráfico de barras a partir da tabela agrupada, com
plot
Trechos do vídeo:
- Segundo a aula, o SQL sozinho não cria gráficos nem painéis, e por isso é comum usá-lo junto com Excel, Power BI ou Python.
- O nome do driver da conexão depende do banco: com outro banco, a aula manda procurar o nome certo do driver.
- O agrupamento também poderia sair direto da consulta, com
group by; na aula, ele foi feito no Python para mostrar o caminho por lá. - O resultado de um agrupamento só pode ser reaproveitado em outra parte do código se for guardado numa variável, como a aula faz com
dfantes de plotar.
Fala Impressionadores! Na aula de hoje eu quero te mostrar como fazer a integração entre Python e SQL.
Como você deve saber, o SQL não permite a criação de gráficos ou dashboards, então você não consegue visualizar essas informações de forma mais clara somente com o SQL.
Por isso podemos fazer a integração do Python com SQL ou até mesmo integrar com Excel, ou Power BI para conseguir analisar os dados de uma maneira mais visual.
Nesse caso nós vamos utilizar o banco de dados Contoso, que é um banco gratuito, mas você pode utilizar seu banco de dados normalmente.
E vamos trazer apenas as informações desejadas para dentro do Python, com isso podemos tanto fazer um tratamento dentro do Python quanto podemos já criar gráficos para visualizar essas informações.
Gostou do tema? Então bora para a aula!
Embora o SQL não faça gráficos para visualizar as informações, ele tem uma conexão fácil e direta com as ferramentas que executam essa tarefa, você ver que fazer a integração é simples e não vai ter dificuldade com isso.

Vamos usar o comando SELECT para ver os dados e separar dentre eles apenas o que queremos ver graficamente, neste caso separamos duas colunas as colunas ColorName e UnitPrice.
A coluna de cor dos produtos tem diversas cores que se repetem, isso porque é possível ter mais de um tipo de produto da mesma cor.
O que vamos fazer é separar quantos produtos temos na cor preta, quantos na cor branca e assim por diante.
Agora que já separamos a coluna e definimos a análise vamos aos códigos integrar com Python.
Para garantir essa integração temos que instalar uma biblioteca que possui códigos de integração prontos para facilitar a tarefa:
>pip install pyodbcApós instalar o pyodbc vamos precisar importar as bibliotecas para a integração, uma delas é o próprio pyodbc e outra é o Pandas:
Import pyodbc
Import pandas as pdO próximo passo será informar ao código quais os dados de conexão, precisamos que o programa entenda que a conexão será com SQL Server, que será com um servidor determinado e com um banco de dados determinado.
Para isso vamos criar uma variável, vou chamá-la de “dados_conexao”, essa variável vai receber uma lista de valores:
Import pyodbc
Import pandas as pd
Dados_conexao = (
“driver={SQL Server};
“Server = Marcus;”
“Database= ContosoretailDW”
)- Você consegue facilmente com uma pesquisa no Google saber o nome do driver que você está utilizando, se este não for o SQL Server que é o que está sendo usado nesta aula, então, se você estiver usando outro pesquise o nome e substitua em Driver.
- Já para encontrar o servidor vá ao menu iniciar e busque por CMD que é o prompt de comando, quando a janela preta se abrir use o >hostname para encontrar o nome do servidor, copie e cole no código.
- Para pegar o nome correto do banco de dados você deve ir ao SQL Server e lá vai encontrar o nome do banco de dados.
Agora que já temos todos os dados de conexão em uma variável, vamos criar uma segunda variável e chamá-la de Conexão.
Import pyodbc
Import pandas as pd
Dados_conexao = (
“driver={SQL Server};
“Server = Marcus;”
“Database= ContosoretailDW”
)
Conexao = pyodbc.connect(dados_conexao)
Print(“Conexão bem-sucedida”)Feito isso vamos tirar um print apenas para ver se a conexão está funcionando corretamente, neste caso ele vai retornar corretamente.
Agora, sim, iremos colocar no código quais informações buscar do banco de dados do SQL Server, abra outra linha de código e escreva:
Comando_sql = “SELECT ColorName, UnitPrice FROM DimProduct”Para transformar a variável de texto acima em um comando efetivamente vamos criar uma variável, vamos chamá-la de Dados:
Dados = pd.read_sql (comando_sql, conexao)Clique em control + enter para rodar o código, pode aparecer um aviso, mas não é nada tão importante e você pode ignorar.
Em uma nova célula de código vamos dar um display da nossa tabela Dados:
Display(dados)Executando o código vamos ter a tabela com os dados, mas ainda teremos que agrupar para saber a quantidade de produtos por cor. Para isso vamos usar o comando Groupby, que é o mesmo utilizado para esse fim no SQL Server.
Dados.groupby(“ColorName”).count()Vamos fazer uma contagem na coluna ColorName e agrupar, feito isso clique em control + enter para executar o código.
Agora temos o nome de cada cor e ao lado a quantidade de itens para cada cor.
Gráfico
Para fazer o gráfico a partir dessa tabela que acabamos de criar, temos que armazenar as informações dela, dessa forma poderemos usar em outras aplicações, este é o primeiro passo.
Df = Dados.groupby(“ColorName”).count()
display(df)Agora podemos criar o gráfico!
Df.plot(kind=”bar”)
Código completo:
Import pyodbc
Import pandas as pd
Dados_conexao = (
“driver={SQL Server};
“Server = Marcus;”
“Database= ContosoretailDW”
)
Conexao = pyodbc.connect(dados_conexao)
Print(“Conexão bem-sucedida”)
Comando_sql = “SELECT ColorName, UnitPrice FROM DimProduct”
Dados = pd.read_sql (comando_sql, conexao)
Display(dados)
Display(dados)
Df.plot(kind=”bar”)Resultado – Análises Práticas com SQL e Python

Conclusão – Análises Práticas com SQL e Python
Nesta aula trouxe para você um passo a passo simples de como visualizar graficamente análises do SQL.
Agora que você já aprendeu como essa sincronização funciona, já pode fazer diversas de conexões e abrir um mundo de possibilidades.
O SQL é o banco de dados mais utilizado e por isso integra bem com as melhores e mais atuais ferramentas.
Espero que aproveitem essa dica! Eu fico por aqui! Um abraço,
Hashtag Treinamentos
Para acessar outras publicações de SQL, clique aqui!


