Pandas to_sql写入MSSQL时含空值的int列转为float64问题求助

问题根源 #

你的int_col_2列包含None，而Pandas原生int64类型不支持缺失值，因此该列会被自动转为float64。即使通过dtype参数指定SQL类型，读取时Pandas仍会因存在空值默认用float64解析，导致类型不符合预期。

解决方案 #

1. 将DataFrame列转为Pandas可空整数类型

先把int_col_2转为Pandas的Int64（大写I，支持空值的整数类型），确保DataFrame内的列类型正确，再写入数据库：

# 转换可空整数列
df['int_col_2'] = df['int_col_2'].astype('Int64')

# 原有写入代码
connection_string = 'DRIVER={ODBC Driver 18 for SQL Server};SERVER=' + server + ';DATABASE=' + database + ';UID=' + username + ';PWD=' + password + ';Encrypt=no'
connection_url = URL.create("mssql+pyodbc", query={"odbc_connect": connection_string})
engine = create_engine(connection_url)
df.to_sql('table', engine, if_exists='replace', index=False)

2. 修正dtype参数的拼写错误

你之前指定dtype时存在列名拼写错误（int_col1_1应为int_col_1），修正后结合类型转换使用，可进一步确保SQL端列类型正确：

from sqlalchemy.types import Integer, String

df['int_col_2'] = df['int_col_2'].astype('Int64')
df.to_sql(
    'table', 
    engine, 
    if_exists='replace', 
    index=False, 
    dtype={
        'int_col_1': Integer(), 
        'int_col_2': Integer(), 
        'string_col': String()
    }
)

3. 读取时指定可空整数类型（可选）

如果需要确保读取时直接得到Int64类型，可在read_sql中指定dtype：

df_read = pd.read_sql('SELECT * FROM table', engine, dtype={'int_col_2': 'Int64'})

原理说明 #

Pandas 1.5+已支持Int64类型与SQL的可空整数类型（如MSSQL的INT NULL）正确映射，转换列类型后，to_sql会将其正确写入为SQL端的可空整数列，后续读取时只要指定对应类型，就能避免自动转为float64。

内容的提问来源于stack exchange，提问作者ceej pie