使用to_sql写入datetime.date时出现OperationalError

Question

我正在使用最新的pandas 14.1版本，并通过to_sql方法将数据写入MS SQL Server 2008 v2服务器。使用SQLalchemy作为引擎。下面这个包含日期时间对象的数据框工作得很好。

#test DataFrame
df1 = pd.DataFrame(index=range(10))
df1['A'] = 'Text'
df1['date_test'] = datetime.datetime(2014,1,1)

写入数据库的代码如下：

import sqlalchemy
engine = sqlalchemy.create_engine('mssql+pymssql://XXXXXXX')
df1.to_sql('test', engine, if_exists='replace')

由于业务原因，数据库中的数据需要是日期对象，而不是日期时间对象。如果我使用：

#test DataFrame
df2 = pd.DataFrame(index=range(10))
df2['A'] = 'Text'
df2['date_test'] = datetime.date(2014,1,1)  # date not datetime

那么to_sql方法会给出一个非常长的错误信息：

OperationalError: (OperationalError) (206, 'Operand type clash: datetime is incompatible 
with textDB-Lib error message 206, severity 16:\nGeneral SQL Server error:
Check messages from the SQL Server.......

我首先怀疑这可能是pandas 14.1中新功能的一个bug，特别是在使用日期时。不过我不太确定。

Answer 1

更新：从 pandas 0.15 版本开始，to_sql 可以支持写入 datetime.date 和 datetime.time 类型的数据（https://github.com/pydata/pandas/pull/8090，现在正在开发中）。

---

目前（0.14.1 版本）还不支持 datetime.date 和 datetime.time 类型（只支持 datetime64 类型，而 datetime.datetime 会被转换成这个类型），不过添加这个功能应该不难（有个相关的问题在这里：https://github.com/pydata/pandas/issues/6932）。

现在的问题是，to_sql 在数据库中为 datetime.date 列创建的是文本类型的列（就像处理所有 object 类型的列一样）。因此你会看到上面的错误信息。
目前的一个可能解决办法是自己创建数据库，然后把数据框（dataframe）追加到里面。