Windows平台下Python读取、写入SQL Server相关的函数库，文章结构如下：
Python Drivers
PyODBC
Annaconda下可以用pip install pyodbc安装，也可以到这里下载。
首先建立connection对象：
import pyodbc
conn = pyodbc.connect(
r'DRIVER={ODBC Driver 11 for SQL Server};' #or {ODBC Driver 13 for SQL Server}
r'SERVER=ServerHostName;'
r'DATABASE=DBName;'
r'UID=user;'
r'PWD=password'
)
添加游标（Cursor）对象并执行SQL查询语句：
cursor = conn.cursor()
cursor.execute('SQL Query Goes Here')
for row in cursor.fetchall():
print(rows.[column name])
更多信息参见MSDN DOCs。
pymssql
同样可以用pip install pymssql安装，也可以到这里，然后用pip安装wheel文件。
pymssql目前还不支持Python3.6，这点要注意下。
pymssql的用法跟pyODBC很像，下面是官网给出的例子：
from os import getenv
import pymssql
server = getenv("PYMSSQL_TEST_SERVER")
user = getenv("PYMSSQL_TEST_USERNAME")
password = getenv("PYMSSQL_TEST_PASSWORD")
conn = pymssql.connect(server, user, password, "tempdb")
cursor = conn.cursor()
cursor.execute("""
IF OBJECT_ID('persons', 'U') IS NOT NULL
DROP TABLE persons
CREATE TABLE persons (
id INT NOT NULL,
name VARCHAR(100),
salesrep VARCHAR(100),
PRIMARY KEY(id)
)
""")
cursor.executemany(
"INSERT INTO persons VALUES (%d, %s, %s)",
[(1, 'John Smith', 'John Doe'),
(2, 'Jane Doe', 'Joe Dog'),
(3, 'Mike T.', 'Sarah H.')])
# you must call commit() to persist your data if you don't set autocommit to True
conn.commit()
cursor.execute('SELECT * FROM persons WHERE salesrep=%s', 'John Doe')
row = cursor.fetchone()
while row:
print("ID=%d, Name=%s" % (row[0], row[1]))
row = cursor.fetchone()
conn.close()
详细用法参见pymssql docs和MSDN DOCs
SQLAlchemy(Python SQL Toolkit)
SQLAlchemy提供了一系列丰富、完整、（我看不懂）的API用于数据库操作。这里只谈其create_engine方法。
from sqlalchemy import create_engine
# pyodbc
engine = create_engine('mssql+pyodbc://user:password@DSNname') #需要配置DSN，参见最后一节
# pymssql
engine = create_engine('mssql+pymssql://user:password@Hostname:port/DBname')
利用创建好的engine，可以结合pandas库进行批量的读取、写入操作。
用SQLAlchemy与其他类型的数据库建立链接的方法参见这里。
Pandas
利用pyODBC和pymssql拉取的对象需要进一步处理才能进行常见的数据清洗等工作，而Pandas也提供了SQL相关的方法，在SQLAlchemy的辅助下，可以将DataFrame对象直接写入table。
读取：pd.read_sql()
API：
pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None)
其中的con参数，可以传入SQLAlchemy建立的engine对象，也可以是pyODBC或者pymssql建立的DBAPI2 connection对象。
写入:pd.DataFrame.to_sql()
API:
DataFrame.to_sql(name, con, flavor=None, schema=None, if_exists='fail', index=True, index_label=None, chunksize=None, dtype=None)
这里的con参数，只支持sqlite3的DBAPI2 connection对象，支持所有的SQLAlchemy engine对象。
name参数传入表名，用if_exists参数控制表存在时的动作：
‘fail’: 啥也不干。’replace‘: 将原有表删除，新建表，插入数据。’append': 在表中插入数据。表不存在时新建表。
命令行
利用Sqlcmd命令，也可以在命令行下执行SQL文件，用法如下：
sqlcmd -U user -P password -S server -d DBName -i /path/to/myScript.sql
这样可以有如下思路，将数据写入.SQL文件，再生成.bat文件（批量）写入上述命令，之后完成执行。
DSN
Windows下可以配置DSN(Data Source Names)预先存储数据库连接的信息，在Control Panel -> Administrative Tools -> ODBC Data Source 下添加即可。
配置好DSN后，pyODBC的连接过程可以简化为：
conn = pyodbc.connect(r'DSN=DSNname;UID=user;PWD=password') #UID和PWD也可以在DSN中配置
拾遗
Python与文件的IO、SQL数据库的读写时有中文字符可能会有编码问题。一种方案是在中文字符串前添加N，如N'python大法好'；另一种方案是传入encoding参数，常用的中文编码有GB2123，GB18030，推荐的还是统一用UTF-8编码、解码。
利用如下命令，可以在SQLAlchemy中指定编码：
engine = create_engine('mssql+pymssql://user:password@HostName\DBname', connect_args = {'charset':'utf-8'})
其他自定义DBAPI connect()参数的方法参见这里。