Python Pandas中将NaN转为Oracle空值遇DPI-1055错误求助

首先咱们先拆解你遇到的核心问题：

1. 你用df.where(pd.notnull(df), None)没生效，是因为pandas的where方法默认返回新的DataFrame，不会修改原数据——你没把结果赋值回df，所以原表的NaN根本没被替换。
2. 就算你做了赋值，pandas的数值类型列（比如float64）无法直接存储None，会自动把None转回NaN，导致替换操作等于没做，插入时还是触发错误。

接下来给你几个可行的解决方案，按推荐程度排序：

方案1：正确替换NaN为None并处理数值列类型 #

先把所有NaN替换为None，同时把数值列转为object类型（这样才能保留None，避免被自动转回NaN）。修改后的代码如下：

import pandas as pd

def insertData(table_name, schema_name, df):
    if not df.empty:
        # 关键修改：先转object类型，再替换NaN为None
        df = df.astype(object).where(pd.notnull(df), None)
        values = df.to_dict(orient='records')
        table = sa.Table(table_name , conndict['meta'], autoload=True, schema=schema_name)
        result_proxy = conndict['conn'].execute(table.insert(), values)
        return result_proxy
    else:
        return None

如果担心全表转object影响性能，可以只针对数值列单独处理：

def insertData(table_name, schema_name, df):
    if not df.empty:
        # 处理数值列：将NaN替换为None
        num_cols = df.select_dtypes(include=['int64', 'float64']).columns
        for col in num_cols:
            df[col] = df[col].apply(lambda x: None if pd.isna(x) else x)
        # 处理非数值列：直接替换NaN为None
        non_num_cols = df.select_dtypes(exclude=['int64', 'float64']).columns
        df[non_num_cols] = df[non_num_cols].where(pd.notnull(df[non_num_cols]), None)
        
        values = df.to_dict(orient='records')
        table = sa.Table(table_name , conndict['meta'], autoload=True, schema=schema_name)
        result_proxy = conndict['conn'].execute(table.insert(), values)
        return result_proxy
    else:
        return None

这样处理后，DataFrame里的NaN会被替换成Python的None，SQLAlchemy插入时会自动把None映射为Oracle的NULL，完美解决DPI-1055错误。

方案2：利用SQLAlchemy类型绑定自动转换NaN #

如果你不想修改DataFrame的类型，可以在插入语句中指定数值列的类型，让SQLAlchemy自动把NaN转为NULL：

from sqlalchemy import Numeric, bindparam

def insertData(table_name, schema_name, df):
    if not df.empty:
        values = df.to_dict(orient='records')
        table = sa.Table(table_name , conndict['meta'], autoload=True, schema=schema_name)
        
        # 为数值列创建带类型绑定的参数，自动处理NaN为NULL
        insert_values = []
        for row in values:
            bind_params = {}
            for col, val in row.items():
                if table.c[col].type.python_type in (int, float):
                    bind_params[col] = bindparam(col, type_=Numeric, nullable=True)
                else:
                    bind_params[col] = val
            insert_values.append(bind_params)
        
        result_proxy = conndict['conn'].execute(table.insert(), insert_values)
        return result_proxy
    else:
        return None

这个方法的核心是用bindparam指定数值类型，SQLAlchemy会自动识别NaN并转为Oracle的NULL。

方案3：使用pandas内置的to_sql方法（最简洁） #

如果你的场景允许，直接用pandas的to_sql会更省心，它已经内置了NaN转NULL的处理逻辑：

def insertData(table_name, schema_name, df):
    if not df.empty:
        df.to_sql(
            name=table_name,
            schema=schema_name,
            con=conndict['conn'],
            if_exists='append',  # 可根据需求选择append/replace/fail
            index=False
        )
        return True
    else:
        return None

to_sql会自动处理数值列的NaN，将其转为Oracle的NULL，无需手动替换，代码也更简洁。

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