SQLAlchemy开启fast_executemany插入SQL Server时报decimal精度丢失错误

该报错的核心触发原因是：开启fast_executemany后，pyodbc驱动会批量推断参数精度，默认推断的精度小于实际数值/数据库字段要求的精度，就会触发精度损失错误。以下是无需手动逐个指定70个字段dtype的适配方案：

• 方案1：全局设置SQL参数精度（最省事，无需修改业务逻辑）
  给SQLAlchemy引擎添加事件监听，统一将所有decimal类型参数的精度设置为SQL Server支持的最大值，避免转换损失，代码示例：

  from sqlalchemy import event
  import pyodbc
  
  engine = create_engine('mssql+pyodbc://@SERVER/DATABASE?driver=ODBC+Driver+17+for+SQL+Server',
                         encoding="utf-8", fast_executemany=True)
  
  # 添加全局精度适配监听
  @event.listens_for(engine, "do_setinputsizes")
  def set_decimal_precision(inputsizes, cursor, statement, parameters, context):
      for param in inputsizes:
          if inputsizes[param] == pyodbc.SQL_DECIMAL:
              # 38是SQL Server decimal类型支持的最大精度，10为小数位，可按需调整
              inputsizes[param] = (pyodbc.SQL_DECIMAL, 38, 10)
  

• 方案2：修改ODBC连接参数，关闭自动精度缩放
  直接在连接字符串中添加EnablePrecisionScaling=No参数，禁用ODBC 17驱动默认的自动精度缩放逻辑，无需修改其他代码：

  engine = create_engine('mssql+pyodbc://@SERVER/DATABASE?driver=ODBC+Driver+17+for+SQL+Server&EnablePrecisionScaling=No',
                         encoding="utf-8", fast_executemany=True)
  

• 方案3：自动生成字段dtype映射
  如果你需要精确控制每个字段的精度，不需要手动逐个配置，可以写个工具函数自动根据DataFrame的数值范围生成dtype映射：

  from sqlalchemy.dialects.mssql import DECIMAL
  import numpy as np
  
  def gen_mssql_dtype(df, decimal_scale=6):
      dtype_map = {}
      # 只处理数值类型字段
      for col in df.select_dtypes(include=['float32', 'float64', 'int32', 'int64']).columns:
          max_abs_val = df[col].abs().max()
          # 计算整数位长度
          integer_len = len(str(int(max_abs_val))) if max_abs_val > 0 else 1
          # 总精度=整数位+小数位，不超过SQL Server最大支持的38
          precision = min(integer_len + decimal_scale, 38)
          dtype_map[col] = DECIMAL(precision=precision, scale=decimal_scale)
      return dtype_map
  
  # 写入时传入自动生成的dtype即可，第一次replace建表时生效
  cdf.to_sql(output_table_name, con=engine, schema=output_schema, 
             if_exists=replace_var, index=False, dtype=gen_mssql_dtype(cdf))
  

• 额外校验：统一处理数值精度
  如果是因为DataFrame本身数值的小数位超出了数据库表字段的限制，可以先统一对所有数值字段做四舍五入处理：

  # 所有浮点字段统一保留6位小数，可按需调整
  for col in df.select_dtypes(include=['float32', 'float64']).columns:
      df[col] = df[col].round(6)
  

内容的提问来源于stack exchange，提问作者Agus Velazquez