使用Pandas将数据写入PostgreSQL指定Schema失败问题求助

我明白你现在的困扰——明明在代码里把表名写成了project_demo.mapping_table，想把数据写到新的schema里，结果却还是跑到了原来的public schema，这确实挺让人摸不着头脑的。让我帮你拆解下问题，以及给出具体的解决办法。

问题根源 #

Pandas的to_sql方法并不会自动识别你写在table_name里的schema前缀（也就是那个点分隔的部分）。当你直接把project_demo.mapping_table传给name参数时，它会把整个字符串当成表名，而不是schema.表名的组合，所以最终还是会用数据库默认的public schema来创建表。

解决方案 #

你需要把schema和表名分离开，分别传给to_sql的schema参数和name参数，同时还要确保你的数据库用户有目标schema的操作权限。

1. 修改代码中的写入逻辑

把原来的表名定义和to_sql调用改成下面这样：

# 拆分schema和表名
schema_name = 'project_demo'
table_name = 'mapping_table'

# 插入数据到指定schema的表中
result.to_sql(
    name=table_name,
    con=engine,
    schema=schema_name,
    if_exists='replace',
    index=False,
    dtype={'columns': JSON, 'original_columns': JSON}
)

2. 检查并授予数据库用户权限

如果上面的修改后还是不行，大概率是你的pg_user没有在project_demo schema下创建表、写入数据的权限。可以登录PostgreSQL执行以下SQL语句来授权：

-- 授予schema的使用和创建权限
GRANT USAGE, CREATE ON SCHEMA project_demo TO my_user;
-- 授予schema下所有表的读写权限
GRANT SELECT, INSERT, UPDATE, DELETE ON ALL TABLES IN SCHEMA project_demo TO my_user;

额外验证 #

你可以在执行完代码后，登录数据库查询一下project_demo schema下的表：

SELECT table_name FROM information_schema.tables WHERE table_schema = 'project_demo';

如果看到mapping_table，就说明成功写入到指定schema了。

备注：内容来源于stack exchange，提问作者Darkmaster