Pandas+SQLAlchemy将Datetime转为Date加载至SQL Server的问题

我明白你遇到的困扰了——用dt.floor('d')或dt.normalize()处理后，SQL Server里要么显示带00:00的完整datetime，要么列被转成字符串。核心原因是Python的datetime.datetime本身没有纯日期的概念，即使时间部分为0，它依然是datetime类型；而Pandas默认的datetime64[ns]类型也会保留时间戳结构。要让SQL Server真正存储纯日期，需要从两个关键环节调整：

1. 将Pandas列转换为纯date对象类型 #

把datetime64类型的列转换成Python原生的datetime.date对象，彻底剥离时间部分。修改LoadData里的处理逻辑：

df['uplod_tmstp'] = df['uplod_tmstp'].dt.date

这一步会把每一行的时间戳从datetime.datetime(2020,5,5,0,0)变成datetime.date(2020,5,5)，完全去除时间信息。

2. 调整sqlcol函数，正确识别date类型 #

转换后的列在Pandas里的dtype会变成object（因为存储的是Python原生对象），原来的函数只检查datetime类型，会误把它当成字符串处理。我们需要增加判断逻辑，识别存储date对象的列：

首先记得导入datetime模块：

import datetime

然后修改sqlcol函数：

def sqlcol(df):
    dtypedict = {}
    for c in df:
        col_dtype = str(df[c].dtype)
        if 'object' in col_dtype:
            # 检查列是否存储的是date对象
            if len(df[c]) > 0 and isinstance(df[c].iloc[0], datetime.date):
                dtypedict.update({c: sa.types.Date()})
            else:
                # 处理普通字符串列，默认长度50避免空值报错
                max_len = df[c].map(len).max() if len(df[c]) > 0 else 50
                dtypedict.update({c: sa.types.NVARCHAR(length=max_len)})
        elif "datetime" in col_dtype:
            dtypedict.update({c: sa.types.Date()})
    return dtypedict

完整修改后的代码 #

import sqlalchemy as sa
import pandas as pd
import pyodbc
import urllib
import datetime  # 新增导入

class myengine(object):
    def engine():
        params = urllib.parse.quote_plus("DRIVER={SQL Server Native Client 11.0};" "SERVER=myserver;" "DATABASE=DB1;" "Trusted_Connection=yes;")
        engine = sa.create_engine("mssql+pyodbc:///?odbc_connect={}".format(params),echo=True)
        @sa.event.listens_for(engine, 'before_cursor_execute')
        def receive_before_cursor_execute(conn, cursor, statement, params, context, executemany):
            if executemany:
                cursor.fast_executemany = True
                cursor.commit()
        return engine

def sqlcol(df):
    dtypedict = {}
    for c in df:
        col_dtype = str(df[c].dtype)
        if 'object' in col_dtype:
            # 识别date对象列
            if len(df[c]) > 0 and isinstance(df[c].iloc[0], datetime.date):
                dtypedict.update({c: sa.types.Date()})
            else:
                max_len = df[c].map(len).max() if len(df[c]) > 0 else 50
                dtypedict.update({c: sa.types.NVARCHAR(length=max_len)})
        elif "datetime" in col_dtype:
            dtypedict.update({c: sa.types.Date()})
    return dtypedict

def LoadData (f):
    df = pd.read_csv(f, dtype='str',parse_dates=['uplod_tmstp'])
    # 转换为纯date对象
    df['uplod_tmstp'] = df['uplod_tmstp'].dt.date
    df.to_sql('Myable', myengine.engine() , if_exists='replace', schema='dbo', index=False, chunksize=1000, dtype=sqlcol(df))

if __name__ == "__main__":
    LoadData('test.csv')

为什么这样有效？ #

• dt.date直接生成纯日期对象，彻底移除时间信息；
• 修改后的sqlcol函数能正确识别这类列，并指定SQL Server的Date类型，确保写入数据库时不会带上时间部分；
• 避免了字符串转换的问题，保持了日期的原生类型，方便后续SQL查询时的日期操作。

内容的提问来源于stack exchange，提问作者Tyger Guzman