Pandas to_sql如何匹配SQL Server表列？含代码场景疑问

你需要把这些元数据（表名、行数、列组合唯一性）整理成和SQL表列名匹配的DataFrame，再通过to_sql写入。分两种场景处理：

场景1：写入元数据表（记录每个CSV的统计信息） #

如果你的SQL表是用来记录每个CSV的元数据（单条记录对应一个CSV），可以创建单行DataFrame来存储这些信息：

# 提取所有元数据
table_name = filename.split('.')[0]
csv_row_count = len(df)
columns_unique = df.set_index(unique_col_comb.split(", ")).index.is_unique

# 创建匹配SQL表列的DataFrame
metadata_df = pd.DataFrame({
    'TABLE_NAME': [table_name],
    'CSV_ROW_COUNT': [csv_row_count],
    'COLUMNS_UNIQUE': [columns_unique]
})

# 写入SQL Server表
metadata_df.to_sql('your_metadata_table_name', engine, if_exists='append', index=False)

场景2：将元数据附加到主数据的每一行 #

如果需要把这些元数据和CSV的每行数据一起写入SQL表，直接给主DataFrame新增列即可：

# 给主DataFrame添加元数据列
df['TABLE_NAME'] = filename.split('.')[0]
df['CSV_ROW_COUNT'] = len(df)
df['COLUMNS_UNIQUE'] = df.set_index(unique_col_comb.split(", ")).index.is_unique

# 写入SQL Server表（确保SQL表已创建对应列）
df.to_sql('your_main_table_name', engine, if_exists='append', index=False)

注意事项 #

• 确保DataFrame的列名和SQL表的列名完全一致，SQL Server默认对大小写不敏感，但建议保持统一
• 使用index=False避免将DataFrame的索引写入SQL表
• 确认SQLAlchemy引擎配置正确，连接SQL Server通常使用mssql+pyodbc驱动

内容的提问来源于stack exchange，提问作者Lilcodemuffin