pandas.to_sql 定义新表列类型:postgresql 的 array (已解决)

 Python的Pandas包提供了to_sql 方法使存储的过程更为便捷,to_sql会默认为你创建一个表,这时表的类型可能并不是你期望的。

而pg又是有点特别,因为里面的数组类型很友好。这时候我们需要事先定义数据 类型,

即定义:

                       dtypedict = {'c': ARRAY(Integer)}

 

import pandas as pd
from sqlalchemy import create_engine
from sqlalchemy.dialects.postgresql import ARRAY
from sqlalchemy.types import NVARCHAR, Float, Integer

l = [[1,2,3],[4,5,6]]
gp_engine = create_engine('postgresql+psycopg2://000000:000000@000000/000000')
# list to array
d ={'c':l}
df = pd.DataFrame(d)
dtypedict = {
  'c': ARRAY(Integer)
}
df.to_sql('000000', con=engine, if_exists='replace', index=False, chunksize=100,dtype=dtypedict)

里面还用到一个小技巧: 把 二维的list 转化成 dataframe 的一列,而不两列。
解决方法:

     先 把 二维的 list 变成 dict  ,d ={'c':l} ,   再   df = pd.DataFrame(d)

 如图

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当你使用pandas.to_sql函数将数据写入SQLite数据库时,可能会遇到“datatype mismatch”错误。这通常是由于pandas自动推断的数据类型与SQLite数据库中的数据类型不匹配导致的。可以尝试以下几种方法解决这个问题: 1. 指定数据类型:可以在to_sql函数中指定数据类型,以确保与数据库中的数据类型匹配。例如: ```python import sqlite3 import pandas as pd conn = sqlite3.connect('example.db') df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']}) df.to_sql('mytable', conn, if_exists='replace', index=False, dtype={'col1': 'INTEGER', 'col2': 'TEXT'}) ``` 在这个例子中,我们通过dtype参数指定了每的数据类型,确保它们与数据库中的数据类型匹配。 2. 先创建结构:在使用to_sql函数之前,可以先手动创建结构,以确保每的数据类型与数据库中的数据类型匹配。例如: ```python import sqlite3 import pandas as pd conn = sqlite3.connect('example.db') c = conn.cursor() c.execute('CREATE TABLE mytable (col1 INTEGER, col2 TEXT)') conn.commit() df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']}) df.to_sql('mytable', conn, if_exists='replace', index=False) ``` 在这个例子中,我们先创建了一个名为mytable的,然后使用to_sql函数将数据写入该中。由于结构已经存在,to_sql函数将不再尝试自动推断数据类型,而是直接将数据写入中。 3. 手动转换数据类型:如果你无法指定数据类型或创建结构,可以尝试手动将数据类型转换为与数据库中的数据类型相匹配。例如: ```python import sqlite3 import pandas as pd conn = sqlite3.connect('example.db') df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']}) # 将col1转换为整数类型,col2转换为字符串类型 df['col1'] = df['col1'].astype(int) df['col2'] = df['col2'].astype(str) df.to_sql('mytable', conn, if_exists='replace', index=False) ``` 在这个例子中,我们通过astype方法手动将每数据类型转换为与数据库中的数据类型相匹配。这种方法需要手动指定每的数据类型,但可以确保写入数据库的数据类型与数据库中的数据类型匹配。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值