如何设置Pandas日期列格式，上传至BigQuery时为DATE类型而非TIMESTAMP

要让日期列上传后直接是DATE类型，核心是显式指定BigQuery表结构（Schema），强制将目标列设为DATE类型，而非依赖自动类型推断。以下是具体实现步骤和修改后的代码：

1. 显式定义BigQuery Schema #

BigQuery Python客户端默认会把Pandas的datetime64[ns]类型推断为TIMESTAMP，所以我们需要手动构造Schema，明确日期列的类型为DATE。

修改上传函数 #

在你的上传函数中添加Schema配置逻辑，允许传入自定义的BigQuery表结构：

from google.cloud import bigquery 
from google.cloud.bigquery.schema import SchemaField

def upload_results(df, schema, table, bq_schema=None):
    """Upload tabular data to BigQuery
    
    df: dataframe to upload as a table
    schema: schema table is in
    table: table in BigQuery to upload
    bq_schema: optional, list of SchemaField objects defining BigQuery table schema
    """
    
    print("inside upload_results")
    print(df.shape)
    
    data2 = df.copy()  # 避免修改原始数据
    
    # 构造BigQuery客户端
    client = bigquery.Client("gcp-sc-demand-plan-analytics")
    job_config = bigquery.job.LoadJobConfig()
    job_config.write_disposition = bigquery.WriteDisposition.WRITE_TRUNCATE
    
    # 应用自定义Schema（如果传入）
    if bq_schema:
        job_config.schema = bq_schema
    
    table_id = f"gcp-sc-demand-plan-analytics.{schema}.{table}"
    
    print(f"table_id for this run is: {table_id}")
    job = client.load_table_from_dataframe(data2, table_id, job_config=job_config)
    
    job.result()  # 等待任务完成
    print('Table Created Successfully')

2. 调用函数时传入Schema #

根据你的数据列构造Schema列表，将日期列的类型设为DATE，其他列按实际类型定义：

# 示例：假设你的数据框包含'date_col'（日期列）和'sales'（数值列）
custom_schema = [
    SchemaField("date_col", "DATE"),
    SchemaField("sales", "FLOAT64")
]

# 调用上传函数
upload_results(your_dataframe, "your_target_schema", "your_target_table", custom_schema)

可选：预处理Pandas日期列（增强兼容性） #

如果你的日期列包含时间部分，可先将其归一化为仅保留日期（时间设为00:00:00），确保数据和DATE类型完全匹配：

# 假设日期列名为'date_col'
your_dataframe['date_col'] = pd.to_datetime(your_dataframe['date_col']).dt.normalize()

这样处理后，配合自定义Schema，BigQuery会直接将该列识别为DATE类型，无需后续转换。

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