SQL Server存储过程调用报错：execute首个参数需为字符串/Unicode查询

我来帮你分析下问题所在，以及给出可行的解决方案——你遇到的错误核心是SQL语法错误和参数格式不兼容，结合你的场景（57个参数、DataFrame批量插入），可以这样处理：

错误原因拆解 #

1. EXEC语法错误：SQL Server中调用存储过程时，EXEC后面不需要加括号，比如EXEC MyProcedure ?, ?, ...才是正确的，你之前的写法里加了(?, ...)会导致SQL解析失败，进而让cursor认为你的查询不是合法的字符串。
2. 参数格式问题：row.values返回的是numpy数组，pyodbc的cursor无法直接识别这种类型，需要转成Python原生的tuple或list。
3. 空值未处理：DataFrame中的nan在SQL中需要转为None（对应SQL的NULL），否则会触发类型错误。
4. 事务未提交：之前的代码里没有执行conn.commit()，即使执行成功数据也不会写入数据库。

解决方案1：逐行插入（兼容你的apply写法） #

先修正SQL语法，再处理参数格式和空值：

import pandas as pd
from sqlalchemy import create_engine

# 初始化连接（根据你的实际连接字符串调整）
engine = create_engine('mssql+pyodbc://your_username:your_password@your_server/your_db?driver=ODBC+Driver+17+for+SQL+Server')
conn = engine.raw_connection()
cursor = conn.cursor()

# 自动生成57个占位符，避免手动输入
placeholder_str = ', '.join(['?'] * 57)
# 正确的EXEC语法：不需要括号
sql = f"EXEC MyProcedure {placeholder_str}"

def insert_single_row(row):
    # 把numpy数组转成tuple，同时处理nan为SQL NULL
    params = tuple(None if pd.isna(val) else val for val in row.values)
    cursor.execute(sql, params)

# 逐行执行插入
df.apply(insert_single_row, axis=1)

# 一定要提交事务！
conn.commit()

# 关闭资源
cursor.close()
conn.close()

解决方案2：批量插入（推荐，性能更优） #

逐行apply效率极低，尤其是大数据量场景，用executemany批量处理会快很多：

import pandas as pd
from sqlalchemy import create_engine

engine = create_engine('mssql+pyodbc://your_username:your_password@your_server/your_db?driver=ODBC+Driver+17+for+SQL+Server')
conn = engine.raw_connection()
cursor = conn.cursor()

placeholder_str = ', '.join(['?'] * 57)
sql = f"EXEC MyProcedure {placeholder_str}"

# 把整个DataFrame转成参数列表，每个元素是处理好空值的tuple
params_list = [
    tuple(None if pd.isna(val) else val for val in row)
    for row in df.values
]

# 批量执行
cursor.executemany(sql, params_list)

conn.commit()
cursor.close()
conn.close()

额外说明 #

• 你之前尝试的第4种text()写法错误在于，text()只用来包裹SQL字符串，参数需要单独传递，比如cursor.execute(text(sql), params)，而不是把参数放进text()里。
• 确认你的存储过程参数顺序和DataFrame的列顺序完全一致，否则会出现参数错位的问题。
• 如果存储过程有输出参数，还需要额外处理，但你的场景是插入数据，应该不需要。

内容的提问来源于stack exchange，提问作者Mayeul sgc