使用pyodbc查询SQL Server多列时合并为一列并报错的问题

你遇到的报错是因为pyodbc的cursor对象直接传入pandas.DataFrame时，pandas会把每一行的整条记录当成单个元素，而非拆分成独立的列。你的查询明明返回两列，但DataFrame实际接收到的是18个包含两个元素的列表，每个列表作为单列的一行值。这时你指定了2列的columns，自然会出现形状不匹配的报错。

去掉columns参数后，pandas就把这些列表当作单列数据处理，所以会显示成[John, Smith]这样的格式。

有两种简单的修复方式：

方法1：用fetchall()获取结构化数据 #

先通过fetchall()把查询结果取出来，再传入DataFrame，这样pandas能正确识别多列结构：

conn = pyodbc.connect(cxn) #cxn是你的连接字符串，此处无问题
cursor = conn.cursor()
cursor.execute("Select [FirstName], [LastName] from [People] where [ID] > 500")
rows = cursor.fetchall() # 获取所有行的结构化数据
peeps = pd.DataFrame(rows, columns = [i[0] for i in cursor.description])

方法2：用pandas.read_sql_query（更简洁推荐） #

直接用pandas内置的read_sql_query方法，它会自动处理pyodbc的连接和结果解析，不用手动操作cursor：

import pandas as pd
import pyodbc

conn = pyodbc.connect(cxn)
query = "Select [FirstName], [LastName] from [People] where [ID] > 500"
peeps = pd.read_sql_query(query, conn)

这种方法更省心，pandas已经封装了所有细节，能避免手动处理cursor时的结构问题，这也是你之前在Teradata中没出问题的原因——当时的代码大概率用了类似的封装逻辑。

内容的提问来源于stack exchange，提问作者Deeboozie