如何将pyodbc查询结果列表转换为多列Pandas DataFrame？

问题根源 #

你通过pyodbc获取的db_out里的每个元素是pyodbc的Row对象，而非Python原生的列表/元组。虽然打印出来的样子和列表类似，但Pandas无法识别这种特殊对象，会把每个Row当作单个单元格处理，最终形成单列结构。

解决办法 #

办法一：转换Row对象为原生列表/元组

先把db_out中的每个元素转换为列表，再生成DataFrame：

# 将每个Row对象转为原生列表
converted_data = [list(row) for row in db_out]
# 定义列名
columns = ['col1','col2','col3','col4','col5','col6','col7','col8','col9','col10','col11','col12','col13']
# 生成多列DataFrame
my_new_data_frame = pd.DataFrame(converted_data, columns=columns)

办法二：直接用Pandas的read_sql查询（更高效）

跳过手动处理pyodbc结果的步骤，让Pandas直接完成查询和DataFrame转换：

import pyodbc
import pandas as pd

# 构建Access数据库连接字符串
conn_str = r'DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};DBQ=你的数据库文件路径.accdb;'
conn = pyodbc.connect(conn_str)

# 执行查询并直接得到正确结构的DataFrame
query = "SELECT 你的查询字段 FROM 你的表名"
my_data_frame = pd.read_sql(query, conn)

# 关闭数据库连接
conn.close()

这种方式还能自动复用数据库中的列名，无需手动定义（如果需要自定义列名，后续用my_data_frame.columns = columns修改即可）。

内容的提问来源于stack exchange，提问作者JFranco