• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • Python
  • Pandas
  • NumPy
  • Matlab
  • Julia
  • Excel
  • IA Generativa

Ejecución de consultas SQL desde Excel

octubre 22, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

A la hora de trabajar con Excel una de las posibles fuentes de problemas es la importación de los datos. En muchas ocasiones estos se encuentran en bases de datos, por lo que se ha de llevar a cabo un proceso de extracción, transformación y carga. Para esto se puede realizar la extracción a un archivo CSV para posteriormente importarlo en un libro Excel. Un proceso que no es óptimo, especialmente cuando este se ha de realizar de forma habitual. Para solucionar este problema, Excel implementa la posibilidad de realizar directamente consultas SQL a bases de datos. Además, la consulta y las opciones de conexión se pueden guardar en un archivo para automatizar el proceso. A continuación, se explicará cómo ejecutar consultas SQL desde Excel en bases de datos configuradas en el ODBC del sistema.

El asistente de consultas de Excel

En Excel existe un asistente que permite realizar importaciones desde bases de datos. Para acceder al mismo se ha de ir a la pestaña Datos y acceder a Obtener datos externos > Desde otras fuentes > Desde Microsoft Query.

Lanzamiento del asistente de consultas de Excel

Una vez seleccionada esta función aparecerá el asistente. En primer lugar, se pedirá seleccionar un origen de datos entre los disponibles en el ODBC.

Selección del origen de datos

Tras la selección del origen de datos se procederá a la configuración de la consulta en si. Para ello se solicitará la tabla y las columnas que se desean incluir. Una vez realizada la selección se pude pulsar en siguiente.

¡Nuevo video! Aprende a seleccionar datos en Pandas con .iloc y .loc
En Analytics Lane
¡Nuevo video! Aprende a seleccionar datos en Pandas con .iloc y .loc

Seleccionar columnas

Ahora se puede incluir diferentes criterios de selección y para la ordenación de los datos. Por ejemplo, a continuación, se muestra una captura de pantalla en la que se indica que los clientes sean ordenados por nombre.

Criterio de ordenación

Al finalizar el asistente se podrá guardar los datos, ver los datos o modificar la consulta. Además, se ofrece la posibilidad de guardar la consulta en un archivo para un posterior uso.

Finalización del asistente

En el caso de que se seleccione la opción Devolver los datos a Microsoft Excel la consulta se cargará en la hoja del libro seleccionado.

Resultados de la consulta SQL en Excel

Publicidad


Archivos de consultas para Excel

Las consultas SQL utilizadas en Excel se puede guardar en un archivo de formato qdy. Estos son archivos de texto plano que pueden ser generados desde el asistente de consultas de Excel o de forma manual. El formato de estos archivos es de la siguiente forma:

XLODBC
1
<Connection String>
<SQL String>
<Parameter names>
<Parameter data types>
<Column Names>

La primera y segunda línea del archivo han de ser tal como se indica. En la tercera línea se ha de indicar la configuración de la fuente de datos ODBC. Básicamente es necesario indicar el nombre de la fuente de datos y, en caso de que sea necesario, el usuario y contraseña para acceder. En la cuarta línea se sitúa la consulta SQL, la cual puede ser tan compleja como se desee. A partir de ahí las columnas son opcionales. Por su lado, en la quinta se puede indicar los nombres de los parámetros, en la sexta el tipo de datos y en la séptima el nombre de las columnas.

A modo de ejemplo se muestra el contenido de un archivo de consulta en la que se importan todos los datos de la tabla sales desde la base de datos clients. En este archivo el usuario que se utiliza para acceder es username y su contraseña es password.

XLODBC
1
DSN= clients;UID=username;PWD=password
SELECT * FROM sales

En Windows los archivos qdy se pueden abrir desde el explorador. Al realizar esta acción se abrirá una instancia de Excel y, tras la confirmación por parte del usuario, se ejecutará la consulta e importarán los datos en una hoja. Así es posible automatizar procesos que se realizan de forma habitual como puede ser las compras que se han realizado la semana pasada.

Conclusiones

Se ha visto un truco para poder realizar consultas en bases de datos e importar estas sin salir de Excel. Además, se ha visto cómo generar archivos qdy en los que se puede almacenar los datos de los procesos. Permitiendo automatizar procesos de carga que se realizan de forma habitual.

Imágenes: Pixabay (michasager)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • ¡Nuevo video! Aprende a seleccionar datos en Pandas con .iloc y .loc
  • ¡Nuevo video! Aprende a eliminar filas y columnas en Pandas sin errores
  • Nuevo video en el canal: Cómo eliminar duplicados de una lista en Python
  • Nuevo video en YouTube: Trabajando con archivos JSON en Python
  • Nuevo video: Leer y guardar archivos Excel y CSV en Python
  • Nuevo video: cómo activar copiar y pegar en VirtualBox fácilmente
  • Cómo extender el tamaño de un disco en Rocky Linux 9 usando growpart y LVM
  • Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey
  • Cómo calcular el tamaño de la muestra para encuestas

Publicado en: Herramientas Etiquetado como: Bases de datos, Excel, SQL

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Cómo calcular el tamaño de la muestra para encuestas

septiembre 9, 2025 Por Daniel Rodríguez

Curiosidad: El origen del análisis exploratorio de datos y el papel de John Tukey

septiembre 4, 2025 Por Daniel Rodríguez

Cómo extender el tamaño de un disco en Rocky Linux 9 usando growpart y LVM

septiembre 2, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • pandas Pandas: Obtener el nombre de las columnas y filas en Pandas publicado el diciembre 7, 2020 | en Python
  • pandas Pandas: Cómo iterar sobre las filas de un DataFrame en Pandas publicado el septiembre 13, 2021 | en Python
  • Sistema de ecuaciones Sistemas de ecuaciones lineales con numpy publicado el octubre 29, 2018 | en Python
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes
  • Javier en Tutorial de Mypy para Principiantes

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto