Python中用pandasql执行SQL查询遇TypeError: schema参数重复赋值错误

问题场景 #

之前一直用pandasql编译SQL查询都正常，现在运行以下代码时触发上述错误：

from pandasql import sqldf
import pandas as pd
from sklearn import datasets

Q10="select bucket,count(*) as COUNT,min(probability) as MINSCORE,max(probability) as MAXSCORE,(avg(probability)*100) as PREDDEFRATE,sum(response) as RESPONSE,count(*)-sum(response) as NONRESPONSE from score group by 1;"

Bucket_Details = sqldf(Q10,globals())
display(Bucket_Details)

错误信息：

TypeError: init() got multiple values for argument 'schema'

错误原因 #

核心原因是pandasql与当前pandas版本不兼容：新版本pandas调整了SQLAlchemy相关的参数传递逻辑，旧版pandasql未适配该变化，导致调用时重复传入schema参数，触发参数冲突错误。

另外注意：原代码中未定义score DataFrame，这也是潜在的运行问题（需确保该数据集已正确加载）。

修复方案 #

方案1：升级pandasql到最新适配版本 #

执行以下命令更新pandasql：

pip install --upgrade pandasql

方案2：降级pandas到兼容版本 #

如果不想升级pandasql，可将pandas降级到与当前pandasql兼容的稳定版本（比如1.5.x系列）：

pip install pandas==1.5.3

补充：确保数据集正确定义 #

原代码缺失score数据集的定义，这里补充模拟代码（可根据实际业务替换）：

# 模拟生成符合SQL查询结构的score数据集
data = datasets.make_classification(n_samples=1000, n_features=5, random_state=42)
score = pd.DataFrame({
    'bucket': pd.cut(pd.Series(data[0][:,0]), bins=5, labels=['1','2','3','4','5']),
    'probability': pd.Series(data[0][:,1]),
    'response': pd.Series(data[1])
})

验证代码 #

将补充后的完整代码运行，即可正常执行SQL查询：

from pandasql import sqldf
import pandas as pd
from sklearn import datasets

# 生成模拟数据集
data = datasets.make_classification(n_samples=1000, n_features=5, random_state=42)
score = pd.DataFrame({
    'bucket': pd.cut(pd.Series(data[0][:,0]), bins=5, labels=['1','2','3','4','5']),
    'probability': pd.Series(data[0][:,1]),
    'response': pd.Series(data[1])
})

Q10="select bucket,count(*) as COUNT,min(probability) as MINSCORE,max(probability) as MAXSCORE,(avg(probability)*100) as PREDDEFRATE,sum(response) as RESPONSE,count(*)-sum(response) as NONRESPONSE from score group by 1;"

Bucket_Details = sqldf(Q10, globals())
display(Bucket_Details)

内容的提问来源于stack exchange，提问作者Sai Nandhan Rayapureddy