如何在SQL Server中存储YYYY-MM格式数据？Python/Pandas解决方案

一、SQL Server端的处理方式 #

SQL Server确实没专门存YYYY-MM（年月）的数据类型，但有两种实用方案：

• 用DATE类型存储：把YYYY-MM转成当月第一天（比如2024-05转成2024-05-01）存进去，查询时用FORMAT(date_column, 'yyyy-MM')或者CONVERT(varchar(7), date_column, 120)就能还原成YYYY-MM格式。这种方式能用上SQL Server的日期函数做筛选、排序，效率更高。
• 用VARCHAR(7)类型存储：直接存YYYY-MM字符串，优势是不用转换，但没法直接做日期运算（比如月份加减），排序虽然字符串也能生效，但性能不如日期类型。

二、Python（含Pandas）端的处理技巧 #

如果用Python+pyodbc+Pandas构建更新数据库，可以在读写环节做处理：

• 写入前转换日期：
  用Pandas把YYYY-MM格式的列转成日期类型，默认会补全为当月第一天，代码示例：

  import pandas as pd
  df['year_month'] = pd.to_datetime(df['year_month'], format='%Y-%m')
  

  接着用to_sql写入SQL Server的DATE类型字段，pyodbc会自动处理类型映射。
• 读取后格式化：
  从SQL Server读出DATE类型字段后，用Pandas转成YYYY-MM格式的字符串：

  df['year_month_str'] = df['year_month'].dt.strftime('%Y-%m')
  

• 直接写入字符串：要是选VARCHAR(7)存储，直接把Pandas里的YYYY-MM字符串列写入对应字段就行，注意要保证列的格式统一，别出现无效值。

三、推荐方案 #

优先选DATE类型存储，配合Python端的日期转换，既能保证数据规范，又能利用SQL Server的日期处理能力，后续统计、筛选都更方便。

内容的提问来源于stack exchange，提问作者Jadon Latta