Pandas向SQL Server插入数据时类型转换失败的解决方法

问题根源 #

你用df=df.fillna("NULL")把空值替换成字符串'NULL'，但如果DataFrame中部分列原本是数值类型（如int），填充字符串后列类型变为object，插入时SQL Server驱动会尝试将字符串'NULL'按原数值类型转换，哪怕目标表列设置为nvarchar，驱动的类型映射逻辑也会触发"转换为int失败"的错误。

解决方案 #

1. 用Python的None替代字符串"NULL"填充空值
   Pandas的None会被正确映射为SQL的NULL值，和nvarchar类型完全兼容，不会触发转换错误：

   df = df.fillna(value=None)
   # 或者更精准的写法：
   df = df.where(pd.notnull(df), None)
   

2. 统一DataFrame列类型为字符串
   确保所有列都是object（字符串）类型，避免插入时的类型歧义：

   # 转换所有列为字符串类型，空值替换为None
   df = df.astype(str).replace('nan', None)
   

3. 插入时明确指定SQL数据类型
   使用to_sql时通过dtype参数强制映射所有列为nvarchar，消除驱动自动类型推断的问题：

   from sqlalchemy import NVARCHAR
   # 构建所有列的类型映射字典
   dtype_map = {col: NVARCHAR for col in df.columns}
   # 执行插入
   df.to_sql(
       name='你的目标表名',
       con='你的SQL Server连接引擎',
       if_exists='append',
       dtype=dtype_map,
       index=False
   )
   

内容的提问来源于stack exchange，提问作者user1471980