处理Pandas DataFrame浮点转整数及NaN值，解决Postgres插入报错

方案1：手动处理数据类型后生成插入值 #

问题出在to_records()会将Pandas的可空整数类型（Int64）转换为Numpy的浮点数组，导致最终传递给Postgres的仍是float和nan，而Postgres的BIGINT无法识别浮点类型的输入。可以手动遍历数据，将浮点值转为整数，nan转为Python原生的None（对应Postgres的NULL）：

import pandas as pd

# 先确保列是可空整数类型（如果之前没做的话）
df["related_player_id"] = df["related_player_id"].astype('Int64')

# 手动处理每行数据，生成符合要求的插入值
values = []
for row in df.itertuples(index=False):
    processed = []
    for val in row:
        if pd.isna(val):
            processed.append(None)
        else:
            processed.append(int(val) if isinstance(val, float) else val)
    values.append(tuple(processed))

# 之后用execute_values插入即可

方案2：直接使用Pandas的to_sql方法（更简便） #

避免手动处理数据格式，让Pandas和SQLAlchemy自动处理类型映射：

from sqlalchemy import create_engine, BigInteger

# 创建数据库连接
engine = create_engine("postgresql://<用户名>:<密码>@<主机>:<端口>/<数据库名>")

# 插入数据，指定related_player_id的类型为BigInteger
df.to_sql(
    name="player_match_event",
    con=engine,
    if_exists="append",
    index=False,
    dtype={"related_player_id": BigInteger()}
)

这个方法会自动将Pandas的Int64类型映射到Postgres的BIGINT，并将<NA>转换为NULL，无需手动处理数值类型转换。

为什么之前的尝试无效？ #

Pandas的Int64是扩展可空类型，但to_records()依赖Numpy的原生数据类型，而Numpy没有原生的可空整数类型，所以会将Int64列降级为float64数组，导致最终的values里仍是浮点值和nan，Postgres无法将浮点值直接插入BIGINT列，从而触发"bigint out of range"错误。

内容的提问来源于stack exchange，提问作者raffoth