使用Pyodbc连接SQL Server时百万级数值读取异常问题排查

1. 表值函数逻辑问题：首先确认SQL Server中函数返回的原始值——如果dbo.my_func内部将百万级数值除以1000后返回，就会导致读取后数值变为千级。
2. PyODBC驱动数值转换异常：部分ODBC驱动默认配置会对decimal/numeric类型进行自动缩放，导致大数值被错误缩小1000倍。
3. Pandas自动类型推断错误：Pandas在读取时误判列类型，或因浮点精度问题导致数值被意外缩放。

1. 排查函数原始输出 #

在SSMS中执行以下查询，确认STOCK_AMOUNT的真实值：

SELECT STOCK_AMOUNT FROM dbo.my_func('35214')

• 若结果为7226而非7226000，直接修改函数代码，确保返回未缩放的原始数值。

2. 定位问题环节（PyODBC vs Pandas） #

跳过Pandas，用PyODBC直接读取数值，判断问题出在驱动还是框架：

import pyodbc

# 替换为你的连接字符串
conn_str = "DRIVER={ODBC Driver 17 for SQL Server};SERVER=your_server;DATABASE=your_db;UID=user;PWD=pass"
conn = pyodbc.connect(conn_str)
cursor = conn.cursor()

cursor.execute("SELECT STOCK_AMOUNT FROM dbo.my_func('35214')")
for row in cursor.fetchall():
    print(f"读取值: {row.STOCK_AMOUNT}, 类型: {type(row.STOCK_AMOUNT)}")

conn.close()

• 若输出正确（如7226000），问题在Pandas；若输出为7226，问题在PyODBC驱动或数据库配置。

3. 调整PyODBC连接参数 #

若PyODBC读取错误，修改连接字符串，强制驱动保留原始精度：

conn_str = "DRIVER={ODBC Driver 17 for SQL Server};SERVER=your_server;DATABASE=your_db;UID=user;PWD=pass;DecimalAsNumeric=Yes;NumericAsDecimal=Yes"

4. 显式指定Pandas列类型 #

若问题在Pandas的自动推断，读取时用Decimal类型保证精确性（Windows支持）：

from decimal import Decimal
import pandas as pd

df = pd.read_sql_query(
    "SELECT * FROM dbo.my_func('35214')",
    conn,
    dtype={"STOCK_AMOUNT": Decimal}
)

# 按需转换为浮点型
df["STOCK_AMOUNT"] = df["STOCK_AMOUNT"].astype(float)

5. 处理字符串格式的数值 #

如果STOCK_AMOUNT是带单位的字符串（如7.226M），手动解析转换：

def parse_stock_amount(val):
    val = val.strip().upper()
    if val.endswith('M'):
        return float(val[:-1]) * 1_000_000
    elif val.endswith('K'):
        return float(val[:-1]) * 1_000
    return float(val)

df["STOCK_AMOUNT"] = df["STOCK_AMOUNT"].apply(parse_stock_amount)

内容的提问来源于stack exchange，提问作者Tugrul Gokce