Python/Pandas中如何解决‘Timestamp类型无法JSON序列化’错误？

Hey there! 作为Python新手能搞定从MSSQL取数同步到Google Sheets已经超棒啦👏 关于你遇到的Object of type 'Timestamp' is not JSON serializable错误，其实核心原因很简单：pandas的Timestamp类型不是JSON标准支持的数据类型，而同步到Google Sheets的过程中（比如用gspread这类工具），通常需要把数据转成JSON格式传递，所以就触发了这个报错。

给你几个实用的解决办法，按需选就行：

方法1：批量把时间列转成字符串格式 #

这是最直接的方案，把所有Timestamp/datetime类型的列转成指定格式的字符串，JSON就能正常序列化了：

# 先找出所有datetime类型的列
time_cols = dfData.select_dtypes(include=['datetime64[ns]', 'datetime']).columns

# 批量转换为你需要的日期字符串格式（比如YYYY-MM-DD HH:MM:SS）
for col in time_cols:
    dfData[col] = dfData[col].dt.strftime('%Y-%m-%d %H:%M:%S')

这样处理后，时间数据会变成普通字符串，既能被JSON序列化，也能在Google Sheets里正常显示。

方法2：转成Python原生datetime对象 #

如果你希望Google Sheets能自动识别这些数据为日期格式（而不是纯字符串），可以把pandas的Timestamp转成Python原生的datetime对象，很多Google Sheets相关的库能直接处理原生datetime：

for col in dfData.select_dtypes(include=['datetime64[ns]']).columns:
    dfData[col] = dfData[col].dt.to_pydatetime()

方法3：转JSON时指定默认序列化规则 #

如果是在调用to_json()的时候报错，可以直接给方法传default=str参数，让JSON序列化器遇到无法处理的类型时自动转成字符串：

# 把DataFrame转成JSON格式的记录列表
json_records = dfData.to_json(orient='records', default=str)

小提示 #

可以先运行print(dfData.dtypes)确认哪些列是datetime64[ns]类型（也就是pandas的Timestamp），这样能更精准地处理目标列~

内容的提问来源于stack exchange，提问作者swolfe2