Python结合pandas与SQLAlchemy导入CSV到Oracle报ORA-00932数据类型错误

报错原因 #

触发该错误的核心逻辑：

1. pd.read_csv通过parse_dates解析日期时，只要列内存在空值、格式不匹配的非法日期值，整列dtype会从datetime64降级为object
2. SQLAlchemy的Oracle方言默认将object类型列映射为CLOB类型，而目标表对应字段为DATE类型，类型校验不通过直接抛出错误

逐列排查的思路可行，但不需要逐列调试，通过以下两种方案可以直接解决全量日期列的类型问题。

解决方案 #

方案1：显式指定写入列类型（稳定性最高，优先使用） #

调用to_sql时通过dtype参数强制指定列类型，跳过默认的类型自动推断逻辑，从根源避免CLOB类型映射错误。

from sqlalchemy.types import DATE, VARCHAR2, NUMBER
import pandas as pd
from sqlalchemy import create_engine

# 原有CSV读取逻辑
headers = ['LINE_START_DATE', 'LINE_END_DATE']
dtypes = {'LINE_START_DATE': 'str', 'LINE_END_DATE': 'str'}
parse_dates = ['LINE_START_DATE', 'LINE_END_DATE']
df = pd.read_csv(processpath+filename, sep=',', index_col=False, dtype=dtypes, names=headers, parse_dates=parse_dates)

# 构造类型映射字典，所有日期列统一指定为DATE类型，其余字段按实际业务类型补充
sql_dtype_map = {
    'LINE_START_DATE': DATE(),
    'LINE_END_DATE': DATE(),
    # 其余日期列按相同格式追加即可
    # 非日期字段示例：'ORDER_NO': VARCHAR2(64), 'AMOUNT': NUMBER(12,2)
}

engine = create_engine(f'oracle://{username}:{password}{database}')
df.to_sql(
    name=table,
    con=engine,
    if_exists='append',
    index=False,
    dtype=sql_dtype_map
)

方案2：写入前强制转换日期列类型 #

如果不想手动维护类型映射，可以在读取CSV后统一强制转换所有日期列格式，处理非法值和空值，保证列dtype为pandas可识别的datetime类型：

# 把所有日期列名加入该列表
date_columns = ['LINE_START_DATE', 'LINE_END_DATE']
for col in date_columns:
    # 强制转换日期格式，非法值统一转为NaT，写入Oracle时会自动识别为DATE类型空值
    df[col] = pd.to_datetime(df[col], errors='coerce')

执行完转换后可以通过print(df[date_columns].dtypes)校验，所有列显示为datetime64[ns]即可正常写入。如果某列转换后仍为object类型，说明列内存在无法自动转换的异常字符串，需要先做数据清洗。

避坑说明 #

• 不要在read_csv中给日期列设置dtype='str'，该参数会干扰parse_dates的自动转换逻辑，容易生成混合类型的object列
• 如果是通过to_sql自动创建目标表（而非提前建表的append模式），必须使用方案1显式指定类型，否则自动建表会将日期列直接创建为CLOB字段，后续写入必然报错
• 建议将SQLAlchemy版本升级到1.4及以上，1.3及以下旧版本对pandas datetime类型的Oracle映射存在已知bug

内容的提问来源于stack exchange，提问作者cgc123