pandas使用to_sql写入SQL报错参数不支持及设置时间索引问题

1 修复参数绑定报错 #

报错的根本原因是你对a列的字符串转换操作没有实际生效：你的a列存储的是嵌套列表/NumPy数组，直接调用astype('str')无法将整个嵌套结构转为标准字符串类型，写入SQL时数据库无法识别列表/数组类型，就会触发参数绑定错误。
正确的处理逻辑是将数组序列化为可无损还原的字符串格式，推荐用JSON序列化方案，实现简单且兼容性好：

• 写入前：将数组转为嵌套列表后用json.dumps转成标准字符串
• 读取后：用json.loads解析字符串为列表，再转回NumPy数组即可还原原格式
  修正后的转换代码如下：

import json
# 将a列序列化字符串
testdata['a'] = testdata['a'].apply(lambda x: json.dumps(np.array(x).tolist()))
# 读取时还原数组
# df['a'] = df['a'].apply(lambda x: np.array(json.loads(x)))

2 修复索引设置不生效问题 #

pandas的set_index方法默认不会修改原对象，只会返回设置好索引的新DataFrame，你之前只调用了testframe.set_index('time')没有赋值或者开启inplace参数，所以原DataFrame的索引没有变化。
两种正确写法二选一即可：

写法1：覆盖原对象 #

testframe = testframe.set_index('time')

写法2：开启原地修改参数 #

testframe.set_index('time', inplace=True)

完整可运行修正代码 #

import pandas as pd
import sqlite3
import numpy as np
import json
from datetime import datetime

# 初始化数据库连接
conn = sqlite3.connect('test_database.db')

# 构造测试数据
time_val = datetime.strptime('2020-01-01 00:00:00', '%Y-%m-%d %H:%M:%S')
testdata = {'time': time_val , 'a': [[[-1.13855, -1.13855, -1.2212, -1.27331, -1.32733, -1.39211, -1.46947, -1.55818, -1.65584, -1.75972, -1.86731, -1.97665, -2.08624, -2.19495, -2.30196, -2.40665, -2.50857, -2.60744, -2.70314, -2.79567, -2.885, -2.97102, -3.05448, -3.13868, -3.22736, -3.31942, -3.41041, -3.49954, -3.59207, -3.69467, -3.81331, -3.96048, -4.15626, -4.43863, -4.90479, -5.79363, -6.24746, -4.26896, -3.14354, -2.44187, -1.9507, -1.57115, -1.23503, -0.893369, -0.528228, -0.0869591, 0.616627, 0.406154, -0.479933, -0.479933]]]}  
test_df = pd.DataFrame(testdata, index=['time'])

# 序列化a列
test_df['a'] = test_df['a'].apply(lambda x: json.dumps(np.array(x).tolist()))
# 设置时间为索引
test_df = test_df.set_index('time')

# 写入数据库
test_df.to_sql(name='Data2_mcw_conv', con=conn, if_exists='replace', index=True)

# 验证读取还原
read_df = pd.read_sql('SELECT * FROM Data2_mcw_conv', con=conn, index_col='time')
read_df['a'] = read_df['a'].apply(lambda x: np.array(json.loads(x)))
print("还原后数组维度：", read_df['a'].iloc[0].shape)
# 输出：还原后数组维度： (1, 50)

内容的提问来源于stack exchange，提问作者xyiong