将Pandas数据导入SQL Server遇INT转BIGINT不支持错误求助

你遇到的问题有两个核心原因，对应以下修复方案：

1. 修复INSERT语句的语法错误 #

你的SQL语句存在括号不闭合的语法问题，这会导致执行报错，同时也可能干扰类型转换的判断逻辑。修正后的语句如下：

cursor.execute("INSERT INTO my_table (account, info, start_date) VALUES(?, ?, ?)", values)

2. 解决INT到BIGINT的类型转换问题 #

SQL Server的bigint字段需要匹配Python原生int类型，而Pandas的int64在通过pyodbc传递时，可能被识别为不兼容的参数类型，你可以通过两种方式解决：

方式一：逐行插入时显式转换account类型 #

构造参数时，将account转为Python原生int类型：

for index, row in combined_df.iterrows():
    # 显式转换account为Python int
    values = (int(row.account), row.info, row.start_date)
    cursor.execute("INSERT INTO my_table (account, info, start_date) VALUES(?, ?, ?)", values)

如果account列存在空值（NaN），需要先处理空值再转换：

import pandas as pd

for index, row in combined_df.iterrows():
    account_val = int(row.account) if pd.notna(row.account) else None
    values = (account_val, row.info, row.start_date)
    cursor.execute("INSERT INTO my_table (account, info, start_date) VALUES(?, ?, ?)", values)

方式二：使用Pandas to_sql批量导入（更高效） #

逐行插入效率极低，推荐用to_sql批量处理，它会自动适配大部分类型映射：

from sqlalchemy import create_engine

# 替换为你的SQL Server连接信息
conn_str = "mssql+pyodbc://用户名:密码@服务器名/数据库名?driver=ODBC+Driver+17+for+SQL+Server"
engine = create_engine(conn_str)

# 追加数据到现有表，index=False不导入索引列
combined_df.to_sql('my_table', engine, if_exists='append', index=False)

如果仍有类型匹配问题，可通过dtype参数强制指定映射关系：

from sqlalchemy.types import BigInteger, NVARCHAR, DateTime

combined_df.to_sql(
    'my_table',
    engine,
    if_exists='append',
    index=False,
    dtype={
        'account': BigInteger(),
        'info': NVARCHAR(length=500),
        'start_date': DateTime()
    }
)

内容的提问来源于stack exchange，提问作者Steve Timb