使用clickhouse_connect.insert()插入数据时报错：Object of type 'float' has no len()

核心原因 #

你碰到的len()错误是clickhouse_connect库在自动映射DataFrame数据类型到ClickHouse表类型时触发的内部报错，根源还是DataFrame列类型与ClickHouse表列类型不匹配——之前为了规避整数错误强行把所有列转成字符串，反而让数值类型（比如float）被当成字符串处理，库内部尝试对float值调用len()来处理字符串逻辑，因此出问题。

分步解决方案 #

1. 恢复DataFrame原始数据类型 #

先撤销把所有列转成字符串的操作，还原成数据集原本的类型。比如原本是数值型（int/float）、日期型，就保持对应类型。

2. 解决最初的"Required argument is not integer"错误 #

这个错误大多出现在两种场景：

• ClickHouse表定义为Int系列类型（比如Int32），但DataFrame对应列是浮点型（比如float64，哪怕值都是10.0这类整数格式）
• DataFrame列存在NaN/None值，而ClickHouse表列没设置Nullable属性

对应解决方式：

• 浮点转整数：如果DataFrame列的浮点值都是整数，用df['col'] = df['col'].astype('Int64')（用pandas的可空整数类型，避免NaN报错）
• 设置Nullable列：如果列确实需要保留NaN，修改ClickHouse表定义，把对应列设为Nullable(Int32)或Nullable(Float64)
  示例修改语句：

  ALTER TABLE your_table MODIFY COLUMN your_column Nullable(Int32)
  

3. 严格匹配DataFrame与ClickHouse表的类型 #

参考常见类型映射，确保两边一一对应：

• ClickHouse Int32/Int64 → pandas Int32/Int64（可空整数类型）
• ClickHouse Float32/Float64 → pandas float32/float64
• ClickHouse String → pandas string
• ClickHouse Date/DateTime → pandas datetime64

4. 插入时手动指定类型（可选） #

如果自动类型映射仍有问题，在insert()函数里手动指定列类型强制匹配：

from clickhouse_connect import get_client

client = get_client(host='your_host', port=8123, user='your_user', password='your_pass')
# 手动指定各列的ClickHouse类型
column_types = ['Int32', 'Float64', 'String', 'Nullable(Date)']
client.insert('your_table', df.to_records(index=False), column_types=column_types)

5. 排查特殊值 #

检查DataFrame里的特殊值：

• 比如inf/-inf，ClickHouse默认不支持，替换成NaN或者修改ClickHouse相关设置
• 字符串列的空值，确保是None而非''（如果ClickHouse列是Nullable(String)）

测试小批量数据 #

如果还是报错，先取DataFrame前10行数据插入，排查是否是某一行的特殊值导致的问题，定位到具体列后针对性处理。

内容的提问来源于stack exchange，提问作者aestetor