如何用pandas read_sql_query将MySQL double字段读取为Decimal并保留全位数

你现在遇到的尾部0丢失、无法直接指定decimal类型的问题，原因有两个：一是pandas的dtype参数原生不支持直接映射到Python标准库的Decimal类型；二是Float64属于浮点数类型，本身不会存储尾部无意义的0，读取时会自动截断，还存在精度丢失的风险。

方案1：字符串中转（兼容性最好） #

读取时先将目标字段指定为字符串类型，完全保留原始数值的字符格式，再手动转为Decimal类型，操作如下：

import pandas as pd
from decimal import Decimal

# 读取时指定value列为字符串类型，避免精度损失和尾部0截断
dtypes = {
    'id': 'Int64',
    'date': 'datetime64',
    'value': str
}
df = pd.read_sql_query(sql_query, mysql_engine, dtype=dtypes)

# 转为Decimal类型，pandas 1.3+支持指定DecimalDtype固定保留8位小数
# 低版本pandas可以省略astype步骤，列将以object类型存储Decimal对象
df['value'] = df['value'].apply(Decimal).astype(pd.DecimalDtype(scale=8))

方案2：SQL层面强制转换 #

在查询语句中直接将字段转为DECIMAL类型，利用SQLAlchemy的类型映射直接返回Decimal对象：

# 查询时直接对目标字段做类型转换，替换你自己的表名和查询条件
sql_query = "SELECT id, date, CAST(value AS DECIMAL(24,8)) AS value FROM 你的表名"
df = pd.read_sql_query(sql_query, mysql_engine)

# 可选：转为pandas原生Decimal类型固定小数位
df['value'] = df['value'].astype(pd.DecimalDtype(scale=8))

两种方案都可以完整保留8位小数，同时避免浮点数的精度误差问题。

内容的提问来源于stack exchange，提问作者wawawa