我正在尝试使用’pandas.read_sql_query’将数据从MS SQL Server复制到pandas DataFrame中.我需要在我的SQL查询中进行多个连接.要连接的表位于同一服务器上,但位于不同的数据库中.我传递给pandas的查询在MS SQL Server Management Studio中运行良好.在Jupyter笔记本中,我试图像这样查询数据(为了使事情可读,查询本身被简化为仅2个连接并使用通用名称)：

import pandas as pd
import sqlalchemy as sql
import pyodbc

server = '100.10.10.10'
driver = 'SQL+Server+Native+Client+11.0'
myQuery = '''SELECT first.Field1, second.Field2
           FROM db1.schema.Table1 AS first
           JOIN db2.schema.Table2 AS second
           ON first.Id = second.FirstId
           '''
engine = sql.create_engine('mssql+pyodbc://{}?driver={}'.format(server, driver))
df = pd.read_sql_query(myQuery, engine)

这不起作用并返回错误：

DBAPIError: (pyodbc.Error) ('IM010', '[IM010] [Microsoft][��������� ��������� ODBC] ������� ������� ��� ��������� ������ (0) (SQLDriverConnect)')

似乎问题出在引擎中,不包含有关数据库的信息,因为一切都可以正常使用下一种代码,我在引擎中包含了数据库：

myQuery = 'select Field1 from schema.Table1'
db = 'db1'
engine = sql.create_engine('mssql+pyodbc://{}/{}?driver={}'.format(server, db, driver))
df = pd.read_sql_query(myQuery, engine)

但如果我不在引擎中包含数据库,则会像上面的联接代码一样中断,但是将其添加到查询中,如下所示：

myQuery = 'select Field1 from db1.schema.Table1'
engine = sql.create_engine('mssql+pyodbc://{}?driver={}'.format(server, 
driver))
df = pd.read_sql_query(myQuery, engine)

那么我应该如何指定pandas.read_sql_query的’sql’和’con’参数
这种情况下,我需要连接来自不同数据库但同一服务器的表？

附：我只有对我连接的服务器的读访问权限.我无法创建新的表或视图或类似的东西.

更新：
MS SQL Server版本是2008 R2.

更新2：我使用的是Python 3.6和Windows 10.

解决方法:

所以我找到了一个解决方法：使用pymssql而不是pyodbc(在import语句和引擎中).它允许您使用数据库名称构建连接,而无需在引擎中指定它们.在这种情况下,无需指定驱动程序.

如果你使用的是python不支持的Python 3.6可能会有问题,但是你可以找到Python 3.6 here的非官方*.它可以用于我的查询.

这是带有连接的原始代码,重建后可以使用pymssql：

import pandas as pd
import sqlalchemy as sql
import pymssql

server = '100.10.10.10'
myQuery = '''SELECT first.Field1, second.Field2
           FROM db1.schema.Table1 AS first
           JOIN db2.schema.Table2 AS second
           ON first.Id = second.FirstId'''
engine = sql.create_engine('mssql+pymssql://{}'.format(server))
df = pd.read_sql_query(myQuery, engine)

至于非官方的*,你需要从我上面给出的链接下载Python 3.6的文件,然后cd到下载文件夹并运行pip install wheels,其中’wheels’是轮文件的名称.

更新：

实际上,也可以使用pyodbc.我不确定这是否适用于任何SQL Server设置,但在我将’master’设置为引擎中的数据库后,一切都适用于我.生成的代码如下所示：

import pandas as pd
import sqlalchemy as sql
import pyodbc

server = '100.10.10.10'
driver = 'SQL+Server'
db = 'master'
myQuery = '''SELECT first.Field1, second.Field2
           FROM db1.schema.Table1 AS first
           JOIN db2.schema.Table2 AS second
           ON first.Id = second.FirstId'''
engine = sql.create_engine('mssql+pyodbc://{}/{}?driver={}'.format(server, db, driver))
df = pd.read_sql_query(myQuery, engine)