使用to_sql函数时出错：SQL提取数据正常但写入失败

嘿，我看你遇到的问题挺常见的，给你拆解几个最可能的原因和对应的解决办法：

1. 先改Schema！你用错PostgreSQL的习惯了 #

SQL Server里默认的架构是dbo，而不是public（那是PostgreSQL的默认架构）。你写的schema='public'会让SQL Server找不到对应的架构，这大概率是报错的核心原因。直接把这个改成schema='dbo'，或者干脆去掉schema参数（因为默认就是dbo）。

修改后的写入代码：

# 改schema的版本
df.to_sql('test', schema='dbo', con=cnxn, index=False, if_exists='replace')
# 或者更省心，去掉schema参数
df.to_sql('test', con=cnxn, index=False, if_exists='replace')

2. 别直接用pyodbc连接，换SQLAlchemy引擎更稳 #

Pandas的to_sql对pyodbc直接连接的支持不算完美，尤其是针对SQL Server。更稳妥的方式是用SQLAlchemy创建连接引擎，能避免很多奇怪的兼容性问题。

步骤很简单：

• 先装SQLAlchemy（没装的话跑这个命令）：pip install sqlalchemy
• 然后用SQLAlchemy的连接字符串来操作：

from sqlalchemy import create_engine
import pandas as pd

# 构建符合要求的连接字符串
conn_str = (
    "mssql+pyodbc://DESKTOP-5422GFU/Python_Data?"
    "driver=SQL+Server+Native+Client+11.0&"
    "Trusted_Connection=yes"
)
engine = create_engine(conn_str)

# 读取数据（用引擎也可以，和pyodbc连接一样顺畅）
df = pd.read_sql_query('select * from Persons', engine)

# 写入数据，这下就不容易出错了
df.to_sql('test', schema='dbo', con=engine, index=False, if_exists='replace')

3. 查一查账号权限够不够 #

确认你用的User账号有对Python_Data数据库的CREATE TABLE、ALTER TABLE权限，不然代码再对，数据库也会拒绝写入。可以在SQL Server Management Studio里给账号赋权，或者找DBA帮忙搞定。

4. 把完整错误信息找出来 #

你说错误提示只显示了‘Dat...’，如果上面的方法都没解决，建议把完整的错误信息贴出来——比如是数据类型不匹配（Data type mismatch）还是权限不足（Permission denied）？要是数据类型的问题，还可以手动指定dtype参数来匹配SQL Server的类型。

举个例子，如果你的DataFrame里有日期类型的列，就可以这么指定：

from sqlalchemy.types import DateTime

df.to_sql('test', schema='dbo', con=engine, index=False, if_exists='replace',
          dtype={'你的日期列名': DateTime()})

内容的提问来源于stack exchange，提问作者Shawn