更新:从pandas 0.15开始,to_sql支持将两个sqlite连接的日期时间值写入sqlalchemy引擎.因此,不再需要下面描述的解决方法.
熊猫0.15将于10月发布,并且该功能已合并到开发版本中.
出现上述错误的原因是df’date’列是datetime64列,而sqlite3不支持此类型.因此,您应该先将其转换为字符串(对于sqlite,这不是自动完成的,可能是一个错误/缺失功能),或者将其转换为datetime.date对象(由sqlite3识别,但也将转换为字符串)因为sqlite没有datetime类型).
您在代码示例中使用df [‘date’] = df.index.map(lambda x:x.strftime(‘%d-%m-%Y’))做到了这一点,但随后又用df覆盖了该列[‘date’] = df.index,所以这可能是您的代码示例中的错误.但是,如果您首先将其转换为字符串,则可以使用:
df = pd.DataFrame(index= pd.date_range('2014-01-01', periods=10))
df['date'] = df.index.map(lambda x: x.strftime('%d-%m-%Y'))
df['profit']= rand(10)
df['perf_period_id']=2
df.to_sql(name='fee_profit', index=False, con=db, if_exists='append')
从pandas 0.14开始,将主要的sql函数重构为使用sqlalchemy来处理不同的数据库风格.如果使用此选项,它将与datetime列一起正常工作(它将自动将其转换为字符串):
df = pd.DataFrame(index= pd.date_range('2014-01-01', periods=10))
df['profit']= rand(10)
df['perf_period_id']=2
import sqlalchemy
db2 = sqlalchemy.create_engine('...')
df.to_sql(name='fee_profit', index=False, con=db2, if_exists='append')
将来仍然支持使用普通的sqlite连接对象而不是sqlalchemy引擎(但仅适用于sqlite!).