如何将pandas的datetime64转换为Django可识别的DateField类型？

为什么pandas写入后日期列是NUM类型 #

SQLite本身采用动态类型系统，没有原生的DATE/TIMESTAMP存储类型。pandas调用to_sql方法写入SQLite时，默认会将datetime64类型的字段转换为Unix时间戳（数值格式）存储，因此你查询表结构时会看到该字段类型标记为NUM。

为什么Django inspectdb识别为TextField #

inspectdb是通过读取数据库的表结构元数据反向生成模型，SQLite的NUM类型没有明确的类型标识对应Django的日期字段，因此自动推断为兼容性最高的TextField。

场景1：数据还未写入数据库，从写入环节修正 #

1. 提前导入sqlalchemy的日期类型用于指定字段映射：

from sqlalchemy import create_engine, DateTime
import pandas as pd

2. 构造类型映射字典，调用to_sql时指定dtype参数：

# 连接SQLite数据库
engine = create_engine('sqlite:///你的数据库文件路径.db')
# 指定字段类型映射
dtype_map = {
    'Start Date': DateTime()
}
# 写入数据
excel_table.to_sql(
    name=table_name,
    con=engine,
    index=False,
    dtype=dtype_map,
    if_exists='replace' # 按需修改写入模式，可选append/fail
)

写入后该字段会以ISO标准日期格式存储，inspectdb也可以直接识别为DateTimeField。

场景2：数据已写入数据库，无需重导直接修改模型 #

直接手动修改自动生成的模型字段类型即可，Django ORM会自动处理不同存储格式的日期转换：

# 仅存储日期用DateField，带时分秒用DateTimeField
start_date = models.DateField(db_column='Start Date', blank=True, null=True)

修改后即可正常使用ORM的日期过滤、排序功能，示例如下：

# 筛选2020-12-31之后的记录
TableName.objects.filter(start_date__gt='2020-12-31')
# 按日期升序排序
TableName.objects.order_by('start_date')

如果修改后出现日期解析异常，可以执行SQL将原数值型时间戳批量转换为标准日期格式：

注意SQLite对ALTER COLUMN的支持有限，因此采用新增列替换的方式修改存量字段格式更为稳妥

-- SQLite执行以下语句，注意替换表名
ALTER TABLE TableName ADD COLUMN temp_start_date TEXT;
UPDATE TableName SET temp_start_date = datetime("Start Date", 'unixepoch');
ALTER TABLE TableName DROP COLUMN "Start Date";
ALTER TABLE TableName RENAME COLUMN temp_start_date TO "Start Date";

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