使用pandas.DataFrame.to_sql写入PostgreSQL时的时间戳类型不匹配问题

我在用pandas.DataFrame.to_sql()往PostgreSQL表插入行时遇到了类型不匹配问题。

样例DataFrame：

index | m_date     | ticker | close
0     | 1514937600 | AMD    | 11.55

执行代码：

price_data.to_sql(
    'prices',
    db_conn,
    if_exists='append',
    index=False,
    dtype={
        'close': sqlalchemy.types.FLOAT,
        'm_date': sqlalchemy.types.TIMESTAMP,
        'ticker': sqlalchemy.types.VARCHAR,
    }
)

报错信息：

sqlalchemy.exc.ProgrammingError: (psycopg2.errors.DatatypeMismatch) column "m_date" is of type timestamp without time zone but expression is of type integer
LINE 1: ..._indicator, market_capitalization) VALUES (11.55, 1514937600...
^
HINT: You will need to rewrite or cast the expression.

尝试用.astype()转换类型时：

price_data.astype({'m_date': sqlalchemy.types.TIMESTAMP})

又报错：

TypeError: dtype '<class 'sqlalchemy.sql.sqltypes.TIMESTAMP'>' not understood

• 核心问题：m_date列存的是Unix时间戳（整数），但PostgreSQL的timestamp类型需要日期时间对象，仅在to_sql的dtype里指定TIMESTAMP无法让pandas自动完成整数到日期类型的转换。
• 正确转换步骤：
  1. 先将DataFrame中的m_date列从整数时间戳转为pandas的datetime类型：

     price_data['m_date'] = pd.to_datetime(price_data['m_date'], unit='s')
     

     注：如果是毫秒级时间戳，将unit参数改为'ms'即可。
  2. 再执行to_sql操作，此时dtype中的TIMESTAMP设置会正常生效，pandas会把datetime类型正确映射到PostgreSQL的timestamp类型。
• .astype()失效原因：astype()仅支持pandas/numpy的 dtype（如'datetime64[ns]'），无法直接使用SQLAlchemy的类型，因此会触发类型不识别的错误。

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