使用Pandas读取Teradata表，如何获取精确字段定义（如varchar(36)）

当然可以！Pandas默认会把Teradata的字符类型（比如varchar）映射成Python的object类型，这是因为Pandas的类型系统和数据库原生类型不完全匹配。但我们可以通过两种实用方法拿到数据库端的精确字段定义：

方法1：直接查询Teradata的数据字典 #

Teradata自带系统表dbc.columns，里面存储了所有表的字段元数据，我们可以用SQL查询来获取原始的字段类型：

import pandas as pd
from teradatasql import connect

# 建立Teradata连接
conn = connect(host='你的Teradata主机地址', user='用户名', password='密码')

# 指定目标表和所属数据库
target_db = '你的数据库名'
target_table = '你的表名'

# 查询数据字典的SQL语句
schema_query = f"""
SELECT ColumnName, ColumnType
FROM dbc.columns
WHERE DatabaseName = '{target_db}'
AND TableName = '{target_table}'
ORDER BY ColumnId;  # 按字段顺序排序
"""

# 读取字段定义到DataFrame
schema_df = pd.read_sql(schema_query, conn)
print(schema_df)

# 记得关闭连接
conn.close()

执行后你会得到类似这样的结果，直接显示原始的字段类型（比如varchar(36)、float）：

ColumnName   ColumnType
0         ID        FLOAT
1       Name  VARCHAR(36)
2    Address VARCHAR(100)

方法2：通过游标元数据获取字段信息 #

如果你已经在读取表数据，也可以通过数据库游标描述（cursor.description）拿到字段的原始类型，不需要单独查数据字典：

import pandas as pd
from teradatasql import connect

conn = connect(host='你的Teradata主机地址', user='用户名', password='密码')
cursor = conn.cursor()

# 执行一个空查询（只获取元数据，不加载数据）
cursor.execute(f"SELECT * FROM {target_db}.{target_table} LIMIT 0;")

# 提取字段元数据
field_details = []
for col_desc in cursor.description:
    field_details.append({
        '字段名': col_desc[0],
        '原始类型': col_desc[1]  # 这里就是Teradata的原生类型字符串
    })

# 转换成DataFrame查看
field_df = pd.DataFrame(field_details)
print(field_df)

# 之后正常加载数据到DataFrame
df = pd.read_sql(f"SELECT * FROM {target_db}.{target_table}", conn)

conn.close()

小提醒 #

Pandas的df.info()显示的是Python/Pandas层面的数据类型，和数据库的原生类型是两回事。要拿到数据库端的精确定义，必须从Teradata的元数据（数据字典或游标描述）中获取，上面两种方法都能完美解决你的需求~

内容的提问来源于stack exchange，提问作者JD2775