如何解决如何正确将大熊猫NaT日期时间值插入我的Postgresql表
我想批量插入一个数据框到我的postgres dB。我数据框中的某些列是日期类型,其中NaT
为空值。 PostgreSQL不支持该功能,我尝试用其他NULL类型标识替换NaT
(使用熊猫),但在我插入期间不起作用。
我用df = df.where(pd.notnull(df),'None')
替换了所有NaT
,这是由于数据类型问题而不断出现的错误示例。
Error: invalid input syntax for type date: "None"
LINE 1: ...0,1.68757,'2022-11-30T00:29:59.679000'::timestamp,'None','20...
我的驱动程序和insert语句到postgresql dB:
def execute_values(conn,df,table):
"""
Using psycopg2.extras.execute_values() to insert the dataframe
"""
# Create a list of tupples from the dataframe values
tuples = [tuple(x) for x in df.to_numpy()]
# Comma-separated dataframe columns
cols = ','.join(list(df.columns))
# SQL quert to execute
query = "INSERT INTO %s(%s) VALUES %%s" % (table,cols)
cursor = conn.cursor()
try:
extras.execute_values(cursor,query,tuples)
conn.commit()
except (Exception,psycopg2.DatabaseError) as error:
print("Error: %s" % error)
conn.rollback()
cursor.close()
return 1
print("execute_values() done")
cursor.close()
有关我的数据框的信息:在这种情况下,罪魁祸首仅是日期时间列。
通常如何解决?
解决方法
您正在重新发明轮子。只需使用熊猫的to_sql方法,它将
- 匹配列名,并且
- 注意
NaT
值。
使用method="multi"
与psycopg2的execute_values
具有相同的效果。
from pprint import pprint
import pandas as pd
import sqlalchemy as sa
table_name = "so64435497"
engine = sa.create_engine("mssql+pyodbc://@mssqlLocal64",echo=False)
with engine.begin() as conn:
# set up test environment
conn.execute(sa.text(f"DROP TABLE IF EXISTS {table_name}"))
conn.execute(
sa.text(
f"CREATE TABLE {table_name} ("
"id int identity primary key,"
"txt nvarchar(50),"
"txt2 nvarchar(50),dt datetime2)"
)
)
df = pd.read_csv(r"C:\Users\Gord\Desktop\so64435497.csv")
df["dt"] = pd.to_datetime(df["dt"])
print(df)
"""console output:
dt txt2 txt
0 2020-01-01 00:00:00 foo2 foo
1 NaT bar2 bar
2 2020-01-02 03:04:05 baz2 baz
"""
# run test
df.to_sql(
table_name,conn,index=False,if_exists="append",method="multi"
)
pprint(
conn.execute(
sa.text(f"SELECT id,txt,txt2,dt FROM {table_name}")
).fetchall()
)
"""console output:
[(1,'foo','foo2',datetime.datetime(2020,1,0)),(2,'baz','baz2',None),(3,'bar','bar2',2,3,4,5))]
"""
,
关于您原来的更新声明:df = df.where(pd.notnull(df),'None')
这里发生的事情是您将这些值替换为 STRING 'None' 而不是特殊的 Python 对象 None。然后在下面的插入语句中,它尝试将字符串 'None' 插入时间戳字段并抛出错误。
有趣的是,您希望使用的版本是:df = df.where(pd.notnull(df),None)
由于我不完全理解的原因,对于 NaT 值实际上似乎并没有按预期工作。 (见下例)
但是这个语句似乎有效(假设您将 numpy 导入为 np):df = df.replace({np.NaN: None})
因此,如果您这样做,那么 NaN 和 NaT 值都将转换为 Python None,然后 psycopg2(或可能是任何其他数据库连接器)将正确地将这些值视为插入时的 SQL Null。
下面是一些示例代码来说明:
import datetime as dt
import pandas as pd
import numpy as np
data = [
['one',1.0,pd.NaT],['two',np.NaN,dt.datetime(2019,2)],[None,3.0,3)]
]
df = pd.DataFrame(data,columns=["Name","Value","Event_date"])
获得了我们的基本数据框:
>>> df
Name Value Event_date
0 one 1.0 NaT
1 two NaN 2019-02-02
2 None 3.0 2019-03-03
如上所述,此更新出于某种原因将 NaT 保留在其中:
>>> df.where(pd.notnull(df),None)
Name Value Event_date
0 one 1.0 NaT
1 two None 2019-02-02
2 None 3.0 2019-03-03
但是这个版本同时获得了 NaN 和 NaT,并留下了预期的 None:
>>> df.replace({np.NaN: None})
Name Value Event_date
0 one 1.0 None
1 two None 2019-02-02 00:00:00
2 None 3.0 2019-03-03 00:00:00
如果您可以将 sqlalchemy 用于您想做的事情,那么接受的答案可能是“更好”的方法,但如果您必须以艰难的方式去做,这对我有用。
H/T 到 discussion in this pandas issue 以获得此答案的大部分细节。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。