Python写入pandas数据到MS SQL Server出现TDS错误的原因排查

报错指向的第9个参数，对应INSERT语句里的Entry_Date字段，核心问题是pandas的NaN/NaT和SQL Server的空值NULL不兼容：

1. pandas里的空值NaN底层是numpy.float64类型，即使是日期字段里的空值NaT，在逐行取数传给ODBC驱动时，也不会被自动识别为SQL的NULL，反而会被当成非法的浮点值传入datetime类型的字段，直接触发TDS流校验错误。
2. 你提到ENTRY_PLAZA、ENTRY_DATE字段存在部分NaN值，刚好和报错指向的参数位置完全吻合，和你核对的字段类型定义无关，是空值类型不匹配导致的。

按以下步骤处理即可解决：

• 第一步：统一替换DataFrame中的空值，把所有pandas自带的NaN/NaT替换为Python原生的None——只有原生None会被pyodbc/ODBC驱动正确识别为SQL Server的NULL值，替换代码：

  # 先把所有空值替换为原生None
  df = df.where(pd.notna(df), None)
  

• 第二步：提前强制对齐字段类型，避免隐式转换出错：

  # 日期字段统一转datetime类型，转换失败的值强制置空再替换为None
  df["POSTING_DATE"] = pd.to_datetime(df["POSTING_DATE"], errors="coerce")
  df["ENTRY_DATE"] = pd.to_datetime(df["ENTRY_DATE"], errors="coerce")
  df["EXIT_DATE"] = pd.to_datetime(df["EXIT_DATE"], errors="coerce")
  # 数值字段统一转数值类型，转换失败的值强制置空
  df["MILES"] = pd.to_numeric(df["MILES"], errors="coerce")
  df["TOLL_AMOUNT"] = pd.to_numeric(df["TOLL_AMOUNT"], errors="coerce")
  # 类型转换完再做一次空值替换
  df = df.where(pd.notna(df), None)
  

• 第三步：修正插入逻辑，逐行插入时直接传入处理后的行元组即可，不需要手动逐个取row[1]到row[15]，避免位置数错：

  # itertuples加index=False，就不会带最前面的索引位
  for row in df.itertuples(index=False):
      MsExe.execute("""
          INSERT INTO test_tolls_table_temp (PostingDate, Source, ReadType, PPTagID, ETagID_Plate, EquipID, Agency, Entry_Plaza, Entry_Date, Exit_Plaza, Exit_Date, Toll_Class, Miles, Toll_Amount, ID)
          VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
          """, row)
  # 记得执行完批量提交
  MsExe.commit()
  

如果数据量较大，不建议用逐行循环插入的写法，可以直接用pandas自带的to_sql方法配合SQLAlchemy连接做批量插入，性能会高很多，也能自动处理大部分类型兼容问题。

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