如何将Pandas DataFrame中的日期列以PostgreSQL DATE类型插入数据库

我明白你遇到的困扰——明明想要DATE类型的列，结果Pandas默认给你创建了timestamp without timezone。别担心，这里有两种可靠的方法帮你搞定：

方法一：在to_sql中指定数据类型映射 #

这是最直接的方式，通过dtype参数明确告诉SQLAlchemy要把Pandas的datetime列映射为PostgreSQL的DATE类型。

修改后的完整代码： #

import pandas as pd
import sqlalchemy
from sqlalchemy.types import DATE

# 创建测试数据
df = pd.DataFrame({'date': ['2022-02-01', '2022-03-11']})
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

# 连接PostgreSQL（注意这里要把引擎赋值给engine变量，你之前的代码漏了这一步）
engine = sqlalchemy.create_engine(secrets.get(**SECRETS))

# 插入数据时指定date列的SQL类型为DATE
df.to_sql(
    "toy_table", 
    engine, 
    schema="toy_schema", 
    index=False,
    dtype={'date': DATE()}  # 关键：这里定义列的SQL类型
)

原理说明： #

Pandas默认会把datetime64类型的列映射为SQLAlchemy的TIMESTAMP类型，所以PostgreSQL会创建timestamp without timezone列。通过dtype参数手动指定DATE()，就能强制生成PostgreSQL的DATE类型列，完美匹配你想要的YYYY-MM-DD格式。

方法二：先手动创建表再插入数据 #

如果你更习惯先在数据库层面定义表结构，可以提前创建好带DATE列的表，再让Pandas追加数据：

1. 先在PostgreSQL中执行建表SQL： #

CREATE TABLE toy_schema.toy_table (
    date DATE NOT NULL
);

2. 再用Pandas插入数据： #

# 沿用你之前创建的df和engine
df.to_sql(
    "toy_table", 
    engine, 
    schema="toy_schema", 
    index=False,
    if_exists='append'  # 用append模式，避免覆盖已有的表结构
)

这种方式下，Pandas会自动匹配已存在的列类型，不会擅自创建timestamp列。

额外小提示： #

如果你的表已经存在，且列是timestamp类型，想要改成DATE类型，可以执行PostgreSQL的ALTER语句：

ALTER TABLE toy_schema.toy_table ALTER COLUMN date TYPE DATE;

注意：执行前要确保列中的数据没有时间部分，或者PostgreSQL能安全截断时间（它会自动把2022-02-01 12:34:56转换成2022-02-01）。

内容的提问来源于stack exchange，提问作者guy