pandas to_sql写入Sybase ASE时NaN无法转NULL触发类型转换报错

使用pandas向Sybase ASE数据库写入包含NaN的浮点型数据时，预期NaN值会自动映射为数据库中的NULL值，但代码运行触发类型转换报错。
当前运行环境版本：

• pandas 1.3.5
• Python 3.8.12
• SQLAlchemy 1.4.28

数据库建表语句 #

create table test(head VARCHAR(20) NOT NULL, val FLOAT NULL, primary key(head))

测试DataFrame构造代码 #

import pandas as pd
import numpy as np
# 替换为math.nan运行结果一致
df = pd.DataFrame({"head":["A","B","C"], "val":[1.2,np.nan,42.0]})

触发异常的to_sql调用代码 #

df.to_sql("test",
      con = engine,
      if_exists="replace",
      index=False,
      dtype={'head': db.types.VARCHAR(20), 'val':  db.types.FLOAT},
      chunksize=1)

运行抛出的错误信息 #

[SAP][ASE ODBC Driver][Adaptive Server Enterprise]Implicit conversion from datatype 'VARCHAR' to 'FLOAT' is not allowed.  Use the CONVERT function to run this query.

pandas自带的to_sql方法对Sybase ASE方言的适配存在缺陷：当设置chunksize参数触发分块写入逻辑时，浮点列的NaN值不会被转换为标准SQL NULL，而是会被序列化为字符串类型的字面量'NaN'。ASE ODBC驱动收到VARCHAR类型的'NaN'尝试写入FLOAT字段时，无法完成隐式类型转换，就会抛出对应报错。NaN自动转NULL的默认逻辑仅在部分主流数据库方言、且未触发分块写入的场景下生效，Sybase ASE场景下该逻辑存在兼容缺口。

• 方案1：写入前手动替换NaN值为None。pandas会自动将None识别为SQL NULL传递给数据库驱动，不会出现类型不匹配问题，适合快速修复场景：

# 替换全表NaN为None
df = df.where(pd.notna(df), None)
# 后续正常调用to_sql即可

• 方案2：移除to_sql中的chunksize参数。单批次全量写入时pandas会正确处理NaN到NULL的类型映射，不会生成字符串'NaN'，仅适合数据量较小、不会触发数据库单次写入大小限制的场景。
• 方案3：自定义适配Sybase ASE的浮点类型处理器，注册NaN转None的绑定逻辑，适合需要长期复用、数据量较大必须使用分块写入的场景：

from sqlalchemy.types import FLOAT as SA_FLOAT
import pandas as pd

class ASEFloat(SA_FLOAT):
    def bind_processor(self, dialect):
        def process(value):
            if pd.isna(value):
                return None
            return float(value)
        return process

# 调用to_sql时val字段指定为自定义类型即可
df.to_sql("test",
      con = engine,
      if_exists="replace",
      index=False,
      dtype={'head': db.types.VARCHAR(20), 'val':  ASEFloat()},
      chunksize=1)

内容的提问来源于stack exchange，提问作者Pierre