指定dtype后pandas to_sql仍报转换错误，Excel导入SQL列类型问题

1. 单独指定单个列的类型，其余自动推断 #

核心是在读取Excel阶段就把ProductCode列统一转成字符串，避免后续SQLAlchemy推断错误。

• 读取Excel时直接指定该列类型：

import pandas as pd
from sqlalchemy import create_engine

# 读取文件，强制ProductCode为字符串类型
df = pd.read_excel("target_file.xlsx", dtype={"ProductCode": str})

# 连接SQL Server并写入数据
engine = create_engine("mssql+pyodbc://user:pass@server/db?driver=ODBC+Driver+17+for+SQL+Server")
df.to_sql("target_table", engine, if_exists="replace", index=False)

• 如果读取后列还是混合类型，直接强制转换：

df["ProductCode"] = df["ProductCode"].astype(str)
# 处理空值（可选）
df["ProductCode"] = df["ProductCode"].replace("nan", "")

2. 让pandas基于更多行推断列类型 #

pandas默认只看前1000行左右推断类型，你可以让它读取更多行来更准确判断：

• 用openpyxl引擎关闭自动类型猜测，强制按原始格式读取：

df = pd.read_excel("target_file.xlsx", engine="openpyxl", engine_kwargs={"guess_types": False})

• 先读取大样本量的行来获取类型，再读取全量数据：

# 先读5000行做样本
sample_df = pd.read_excel("target_file.xlsx", nrows=5000)
# 复制自动推断的类型，只修改ProductCode
dtype_map = {col: sample_df.dtypes[col] for col in sample_df.columns}
dtype_map["ProductCode"] = str
# 用调整后的类型读全量数据
df = pd.read_excel("target_file.xlsx", dtype=dtype_map)

3. 先建表再修改列类型 #

如果前面的方法都不管用，可以先创建空表，手动修改ProductCode的类型后再导入数据：

# 先写入空表（只生成结构）
df.head(0).to_sql("target_table", engine, if_exists="replace", index=False)
# 修改列类型为NVARCHAR
with engine.connect() as conn:
    conn.execute("ALTER TABLE target_table ALTER COLUMN ProductCode NVARCHAR(255)")
# 追加数据
df.to_sql("target_table", engine, if_exists="append", index=False)

内容的提问来源于stack exchange，提问作者Cenderze