我最近碰到一个非常棘手的问题：用Pandas的to_sql方法往PostgreSQL数据库写入多个格式完全一致的DataFrame时，部分DataFrame会随机出现写入失败的情况，而且这个过程完全静默，没有任何报错提示，to_sql的返回值是-1（明确表示写入失败）。

我已经排除了一些已知的可能原因：

• 我没有使用自定义schema，所以相关的schema问题应该不成立
• 我用的是PostgreSQL，不是SQL Server，所以针对SQL Server的类似问题也不适用

最让我困惑的是，同样的代码、同样格式的DataFrame，有的能正常写入数据库，有的就不行，完全找不到规律。

我的代码如下：

from sqlalchemy import create_engine, inspect, DateTime
import psycopg
engine = create_engine('postgresql+psycopg://plantwatch:pw@127.0.0.1/plantwatch') 
df.to_sql('power', con=engine2, if_exists='append', index=False, dtype={'produced_at': DateTime})

举个例子，每个DataFrame对应一个id的数据，我预期写入后的数据库内容应该是这样：

produced_at             id          value
2015-01-01 00:00:00     someid      1
2015-01-01 01:00:00     someid      2
2015-01-01 00:00:00     someid2     1
2015-01-01 01:00:00     someid2     2

但实际数据库里只有部分数据：

produced_at             id          value
2015-01-01 00:00:00     someid      1
2015-01-01 01:00:00     someid      2

现在我能想到的一个很笨拙的临时解决办法是把所有DataFrame都导出成CSV文件，再逐个导入PostgreSQL，但这显然不是最优解。有没有朋友遇到过类似的问题？或者能给我一些排查方向？

备注：内容来源于stack exchange，提问作者dietzi96