Python con SQL server

Este proyecto tiene como objetivo automatizar la carga de datos tabulares (Excel) y geográficos (Shapefiles) en una base de datos SQL Server, además de permitir la ejecución de consultas SQL para análisis y validación.

Estructura del Proyecto

Python con SQL server/  
├── config/    # Configuraciones (conexiones, parámetros)  
├── data/      # Archivos fuente: Excel y Shapefiles  
├── notebooks/ # Notebooks de ejecución y pruebas  
├── utils/     # Funciones de carga, conexión, consultas SQL  
└── README.md

Funcionalidades Principales

• Importación de archivos Excel a SQL Server.
• Carga de archivos Shapefile a SQL Server (con geometría).
• Ejecución de consultas SQL y visualización con Pandas.
• Modularizado para facilitar el mantenimiento y la reutilización.

Tecnologías Usadas

• Python 3.8+
• Pandas, Geopandas
• SQLAlchemy o pyodbc
• OS, SYS, dotenv
• Jupyter Notebooks

Configuración

Configura tu conexión a SQL Server en config/config.py o usando variables de entorno (.env):

```python
SQL_CONFIG = {
    "driver": "ODBC Driver 17 for SQL Server",
    "server": "TU_SERVIDOR",
    "database": "TU_BBDD",
    "username": "usuario",
    "password": "contraseña"
}
```

Ejemplo de Uso

# Leer Excel
df = pd.read_excel("data/tabla_ejemplo.xlsx")

# Subir a SQL Server
importar_dataframe_a_sqlserver(df, nombre_tabla="tabla_destino")

# Ejecutar consulta
df_resultado = ejecutar_consulta_sql("SELECT * FROM tabla_destino")

Notas

• Las rutas se manejan con os.path para asegurar compatibilidad cross-platform.
• Los notebooks ubicados en notebooks/ muestran ejemplos prácticos y trazas de ejecución.