Pandas Timestamp列转datetime.datetime 单行生效整列失效问题

pandas 针对日期时间类型的列默认采用datetime64[ns]存储，该存储格式下所有存入的值都会被自动转换为pandas内置的pandas._libs.tslibs.timestamps.Timestamp类型，哪怕你传入的是Python原生datetime.datetime对象，也会被强制转换，这是框架本身的类型推断机制决定的，不是转换代码逻辑错误。
你遇到的to_sql写入MySQL报错本质是pandas到数据库的类型映射识别偏差，不是必须把整列值手动改成原生datetime格式才能写入。

方案1：写入时显式指定列类型映射（优先选择，零侵入原数据） #

不需要修改原DataFrame的任何值，在调用to_sql时通过dtype参数显式指定日期列对应的数据库类型，驱动会自动完成pandas Timestamp到MySQL DATETIME类型的序列化适配，代码如下：

from sqlalchemy import DateTime

df.to_sql(
    name="目标表名",
    con=你的数据库连接对象,
    if_exists="append", # 按实际业务需求替换为replace/fail
    index=False,
    dtype={
        "time": DateTime()
    }
)

该方案是处理同类问题的通用最优解，不会损失datetime类型列的计算性能，90%以上的同类写入报错用该方法可直接解决。

方案2：强制列类型为object保留原生datetime（方案1失效时使用） #

如果因为驱动版本过低等问题方案1不生效，可以通过显式指定列dtype为object的方式，阻断pandas的自动类型转换，保证转换后的原生datetime值不被回退为Timestamp，代码如下：

import pandas as pd

# 逐元素转换为原生datetime后，以object类型赋值给列
df["time"] = pd.Series(
    [ts.to_pydatetime() for ts in df["time"]],
    dtype="object"
)

执行后可通过type(df["time"].iloc[0])验证，返回结果为<class 'datetime.datetime'>即转换成功。注意该方案下time列变为object类型，日期相关计算的性能会低于原生datetime64类型，仅作为备选方案使用。

方案3：升级依赖解决版本适配问题 #

如果以上两个方案都无法解决报错，通常是pandas、SQLAlchemy、MySQL驱动三者的版本兼容问题，直接升级相关依赖到最新稳定版即可：

pip install --upgrade pandas sqlalchemy pymysql

• 不要使用pd.to_datetime()做转换：该方法的作用就是将输入转换为pandas的datetime64类型，返回值必然是Timestamp，和你要转原生datetime的需求完全相反。
• 不要直接对列使用apply(lambda x: x.to_pydatetime())赋值：没有指定dtype的情况下，pandas识别到传入值全是datetime对象时，会自动将列转为datetime64类型，把所有值重新转回Timestamp，必须显式指定dtype="object"才能保留转换结果。
• pandas Timestamp本身和MySQL DATETIME类型是兼容的，不需要强行做类型转换，绝大多数写入报错都是类型映射未显式指定导致的，而非值本身的类型问题。

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