使用write_pandas向Snowflake插入数据后日期显示为Invalid Date的问题排查

让我们一步步拆解你遇到的这个问题，核心问题出在数据类型处理和write_pandas的适配逻辑上，结合你提供的代码和Snowflake的TIMESTAMP_TNZ类型，我整理了几个关键的修复点：

1. 罪魁祸首：多余的df.convert_dtypes()调用 #

这行代码是导致Invalid Date的最可能原因。convert_dtypes()的设计目的是将pandas的原生数据类型转换为更“现代”的可空类型，但它会破坏原本的datetime64[ns]类型——要么把datetime列转成object类型（存储为Python datetime对象的列表），要么错误地转换为字符串类型。

而write_pandas()对pandas原生的datetime64[ns]类型支持最好，能直接序列化为Snowflake可识别的时间格式；但如果是object或字符串类型，就很容易出现解析失败，最终显示为Invalid Date。

2. 时区处理的小细节 #

你用pd.Timestamp.utcnow().tz_localize(None)其实是多此一举：utcnow()本身返回的就是无时区（naive）的UTC时间，再调用tz_localize(None)不会有任何变化。

不过这里需要注意Snowflake的TIMESTAMP_TNZ类型逻辑：它会把输入的无时区时间，按照你当前Snowflake会话的时区来解析，然后转换为UTC存储。如果你的会话时区和UTC不一致，可能会出现时间偏移，但不会直接导致Invalid Date——这个问题还是主要来自数据类型的破坏。

3. 修复后的代码示例 #

把多余的类型转换去掉，保留pandas原生的datetime类型即可：

# 直接获取无时区的UTC时间，原生datetime64[ns]类型
current_datetime = pd.Timestamp.utcnow()

df[CREATEDDATE_COL_NAME] = current_datetime
df[LASTMODIFIEDDATE_COL_NAME] = current_datetime

# 删掉这行！不要破坏原生datetime类型
# df = df.convert_dtypes()

4. 额外验证步骤 #

在插入前可以先检查数据类型，确保两列的类型是datetime64[ns]：

print(df.dtypes)

如果输出里这两列显示的是datetime64[ns]，就说明类型是对的，插入后Snowflake就能正确识别了。

如果还是有问题，可以检查Snowflake的会话时区设置，执行这条SQL语句确保时区和你输入的时间一致：

ALTER SESSION SET TIMEZONE = 'UTC';

你可以先删掉convert_dtypes()这一行试试，这大概率能解决你的Invalid Date问题。

备注：内容来源于stack exchange，提问作者Jangiti Yashaswini