如何指定write_pandas写入Snowflake时Decimal类型对应的固定精度数值列？

你遇到的这个问题是write_pandas自动推断Decimal类型精度的典型坑——它会根据当前批次数据里Decimal值的实际精度来生成Snowflake的NUMBER列，不同批次数据的Decimal值精度不同，就会导致自动创建的表列精度不一致，后续数据超出精度范围就会写入失败。下面给你几个可靠的解决方案：

方法一：手动指定Schema（最直接可控） #

write_pandas支持通过schema参数手动定义每一列的Snowflake数据类型，即使开启auto_create_table=True，也会严格按照你指定的类型建表，彻底固定Decimal列的精度。

示例代码： #

# 定义自定义Schema，把需要固定精度的Decimal列指定为目标NUMBER类型
custom_schema = {
    "id": "VARCHAR",
    "price": "NUMBER(18,6)",  # 比如货币类数据用18位精度、6位小数
    "total_amount": "NUMBER(38,18)",  # 超大数值用Snowflake最大支持的精度
    # 其他列按实际需求定义类型
}

with og_snowflake_resource.get_connection() as sf_conn:
    write_pandas(
        conn=sf_conn,
        overwrite=False,
        df=raw_df,
        table_name=the_target_table_name,
        auto_create_table=True,
        database=SF_DATABASE,
        schema=my_schema_name,
        quote_identifiers=False,
        schema=custom_schema  # 传入自定义Schema
    )

方法二：通过Pandas的DecimalDtype统一列精度 #

如果你不想手动写完整的Schema，可以在DataFrame层面把Decimal列转换为指定精度的DecimalDtype（Pandas 1.3+支持），write_pandas会根据这个类型推断出对应的固定精度NUMBER列。

示例代码： #

from pandas import DecimalDtype

# 把目标Decimal列转换为指定精度的类型
raw_df["price"] = raw_df["price"].astype(DecimalDtype(precision=18, scale=6))
raw_df["total_amount"] = raw_df["total_amount"].astype(DecimalDtype(precision=38, scale=18))

# 正常调用write_pandas即可，自动建表时会用指定的精度创建列
with og_snowflake_resource.get_connection() as sf_conn:
    write_pandas(
        conn=sf_conn,
        overwrite=False,
        df=raw_df,
        table_name=the_target_table_name,
        auto_create_table=True,
        database=SF_DATABASE,
        schema=my_schema_name,
        quote_identifiers=False
    )

方法三：提前预创建表（完全控制表结构） #

如果需要对表结构有绝对控制权，可以提前用SQL创建好带固定精度NUMBER列的表，然后关闭auto_create_table，让write_pandas直接写入已有的表。

步骤1：执行SQL建表 #

CREATE TABLE IF NOT EXISTS YOUR_DATABASE.YOUR_SCHEMA.YOUR_TABLE (
    id VARCHAR,
    price NUMBER(18,6),
    total_amount NUMBER(38,18),
    -- 其他列按需求定义
);

步骤2：修改Python代码写入数据 #

with og_snowflake_resource.get_connection() as sf_conn:
    write_pandas(
        conn=sf_conn,
        overwrite=False,
        df=raw_df,
        table_name=the_target_table_name,
        auto_create_table=False,  # 关闭自动建表，使用预创建的表
        database=SF_DATABASE,
        schema=my_schema_name,
        quote_identifiers=False
    )

注意事项 #

1. 如果表已经存在且之前的精度和你现在指定的不一致，需要先删除表或用ALTER TABLE修改列精度，否则write_pandas会因为Schema不匹配报错。
2. 精度选择要匹配业务数据范围：比如货币类用NUMBER(18,6)，超大数值用NUMBER(38,18)（Snowflake最大支持的精度），避免浪费存储或出现溢出。
3. 即使列定义了固定精度，也要确保你的Decimal值在精度范围内，超出范围的数值仍然会写入失败，这时候需要调整精度或预处理数据。

备注：内容来源于stack exchange，提问作者Kumar Sambhav