如何将DataFrame的整数数组列直接写入MySQL而非JSON格式？

1. 先明确MySQL的数组存储特性 #

MySQL没有像PostgreSQL那样的原生数值数组类型（如INT[]），但支持用JSON类型存储标准数组——你看到的{100,200,300,400}属于非标准格式，大概率是写入时自动转换的问题，标准JSON数组应为[100,200,300,400]，这种格式的解析效率会高很多。

2. 优化to_sql写入流程，输出标准JSON数组 #

你的DataFrame列是object类型的整数数组，可先将其转换为标准JSON字符串，再指定MySQL列类型为JSON，确保写入后是规范的数组格式：

import pandas as pd
import json
from sqlalchemy import create_engine

# 假设目标数组列名为array_col
# 将object类型数组转为标准JSON字符串
df['array_col'] = df['array_col'].apply(json.dumps)

# 建立MySQL连接
engine = create_engine('mysql+pymysql://用户名:密码@主机地址/数据库名')

# 写入时指定列类型为JSON
df.to_sql(
    name='目标表名',
    con=engine,
    if_exists='replace',
    dtype={'array_col': 'JSON'}
)

写入后MySQL中存储的就是[100,200,300,400]这种标准JSON数组，Web应用可直接解析，无需额外格式转换。

3. 更优方案：拆分数组为结构化多行存储 #

如果业务场景允许，推荐将数组拆分为多行的规范化结构，比如：

这种结构无需解析JSON，查询和处理效率更高，实现代码：

# 假设原DataFrame含主键列id和数组列array_col
exploded_df = df.explode('array_col', ignore_index=True)
# 确保元素为整数类型
exploded_df['array_col'] = exploded_df['array_col'].astype(int)

# 写入数据库
exploded_df.to_sql(
    name='规范化表名',
    con=engine,
    if_exists='replace'
)

4. 验证写入结果 #

写入后可在MySQL中执行查询确认格式：

SELECT array_col FROM 目标表名 LIMIT 1;

若返回[100,200,300,400]，则说明写入格式正确。

内容的提问来源于stack exchange，提问作者daydayup