在pandas.DataFrame.to_sql时指定数据库表的列类型

问题

在数据分析并存储到数据库时，Python的Pandas包提供了to_sql 方法使存储的过程更为便捷，但如果在使用to_sql方法前不在数据库建好相对应的表，to_sql则会默认为你创建一个新表，这时新表的列类型可能并不是你期望的。例如我们通过下段代码往数据库中插入一部分数据：

import pandas as pd
from datetime import datetime

df = pd.DataFrame([['a', 1, 1, 2.0, datetime.now(), True]], 
                  columns=['str', 'int', 'float', 'datetime', 'boolean'])
print(df.dtypes)

通过dtypes可知数据类型为object, int64, float64, datetime64[ns], bool
如果把数据通过to_sql方法插入到数据库中：

from sqlalchemy import create_engine
engine = create_engine("mysql+mysqldb://{}:{}@{}/{}".format('username', 'password', 'host:port', 'database'))
con = engine.connect()

df.to_sql(name='test', con=con, if_exists='append', index=False)

用MySQL的desc可以发现数据库自动创建了表并默认指定了列的格式：

# 在MySQL中查看表的列类型
desc test;

Filed	Type	Null	Key	Default	Extra
str	text	YES		NULL
int	bigint(20)	YES		NULL
float	double	YES		NULL
datetime	datetime	YES		NULL
boolean	tinyint(1)	YES		NULL

其中str类型的数据在数据库表中被映射成text，int类型被映射成bigint(20)， float类型被映射成double类型。数据库中的列类型可能并非是我们所期望的格式，但我们又不想在数据插入前手动的创建数据库的表，而更希望根据DataFrame中数据的格式动态地改变数据库中表格式。

分析

通过查阅pandas.DataFrame.to_sql的api文档^[1]，可以通过指定dtype 参数值来改变数据库中创建表的列类型。

dtype : dict of column name to SQL type, default None
Optional specifying the datatype for columns. The SQL type should be a SQLAlchemy type, or a string for sqlite3 fallback connection.

根据描述，可以在执行to_sql方法时，将映射好列名和指定类型的dict赋值给dtype参数即可上，其中对于MySQL表的列类型可以使用SQLAlchemy包中封装好的类型。

# 执行前先在MySQL中删除表
drop table test;

from sqlalchemy.types import NVARCHAR, Float, Integer
dtypedict = {
  'str': NVARCHAR(length=255),
  'int': Integer(),
  'float' Float()
}
df.to_sql(name='test', con=con, if_exists='append', index=False, dtype=dtypedict)

更新代码后，再查看数据库，可以看到数据库在建表时会根据dtypedict中的列名来指定相应的类型。

desc test;

Filed	Type	Null	Key	Default	Extra
str	varchar(255)	YES		NULL
int	int(11)	YES		NULL
float	float	YES		NULL
datetime	datetime	YES		NULL
boolean	tinyint(1)	YES		NULL

答案

通过分析，我们已经知道在执行to_sql的方法时，可以通过创建一个类似“{"column_name"：sqlalchemy_type}”的映射结构来控制数据库中表的列类型。但在实际使用时，我们更希望能通过pandas.DataFrame中的column的数据类型来映射数据库中的列类型，而不是每此都要列出pandas.DataFrame的column名字。
写一个简单的def将pandas.DataFrame中列名和预指定的类型映射起来即可：

def mapping_df_types(df):
    dtypedict = {}
    for i, j in zip(df.columns, df.dtypes):
        if "object" in str(j):
            dtypedict.update({i: NVARCHAR(length=255)})
        if "float" in str(j):
            dtypedict.update({i: Float(precision=2, asdecimal=True)})
        if "int" in str(j):
            dtypedict.update({i: Integer()})
    return dtypedict

只要在执行to_sql前使用此方法获得一个映射dict再赋值给to_sql的dtype参数即可，执行的结果与上一节相同，不再累述。

df = pd.DataFrame([['a', 1, 1, 2.0, datetime.now(), True]], 
                  columns=['str', 'int', 'float', 'datetime', 'boolean'])
dtypedict = mapping_df_types(df)
df.to_sql(name='test', con=con, if_exists='append', index=False, dtype=dtypedict)

参考

---

1. pandas官方文档 ↩