Pandas to_sql将列类型从varchar更改为tex

Question

我写了一个小脚本来在SQL服务器之间复制一个表。 它可以工作，但是其中一列的类型从varchar更改为text。。。 如何复制具有相同列类型的表？

import pymssql
import pandas as pd
from sqlalchemy import create_engine


db_server= 1.2.3.4\\r2
db_database="Test_DB"
db_user="vaf"
db_password="1234"

local_db_server="1.1.1.1\\r2"
local_db_database="Test_DB"
local_db_user="vaf"
local_db_password="1234"

some_query=("""
select * from some_table
""")




def main():
    conn=pymssql.connect(server=local_db_server,user=local_db_user,password=local_db_password,database=local_db_database,charset='UTF-8')
    data=pd.io.sql.read_sql(some_query,conn)

    connection_string='mssql+pymssql://{}:{}@{}/{}'.format(db_user,db_password,db_server,db_database)
    engine=create_engine(connection_string)
    data.to_sql(name="some_table",con=engine,if_exists='replace',index=False)

if __name__ == "__main__":
    main()

谢谢

Answer 1

考虑三种方法：

指定类型

使用^{}的dtype参数，为命名列传递sqlalchemy types字典。

data.to_sql(name="some_table", con=engine, if_exists='replace', index=False,
            dtype={'datefld': sqlalchemy.DateTime(), 
                   'intfld':  sqlalchemy.types.INTEGER(),
                   'strfld': sqlalchemy.types.VARCHAR(length=255),
                   'floatfld': sqlalchemy.types.Float(precision=3, asdecimal=True),
                   'booleanfld': sqlalchemy.types.Boolean}

删除数据

使用DELETE操作查询清除表。然后，只将数据从pandas迁移到SQL Server，而不改变表的结构，因为to_sqlreplace参数重新创建了表。这种方法假设dataframe总是与数据库表保持一致（没有新列/更改的类型）。

def main():
   connection_string = 'mssql+pymssql://{}:{}@{}/{}'\
                         .format(db_user,db_password,db_server,db_database)
   engine = create_engine(connection_string)

   # IMPORT DATA INTO DATA FRAME
   data = pd.read_sql(some_query, engine)

   # SQL DELETE (CLEAN OUT TABLE) VIA TRANSACTION
   with engine.begin() as conn:     
      conn.execute("DELETE FROM some_table")

   # MIGRATE DATA INTO DATA FRAME (APPEND NOT REPLACE)
   data.to_sql(name='some_table', con=engine, if_exists='append', index=False)

修改列（当它修复特殊列时是被动的）

使用DDL SQL语句更改迁移后的列。

def main():
   connection_string = 'mssql+pymssql://{}:{}@{}/{}'\
                         .format(db_user,db_password,db_server,db_database)
   engine = create_engine(connection_string)

   # IMPORT DATA INTO DATA FRAME
   data = pd.read_sql(some_query, engine)

   # MIGRATE DATA INTO DATA FRAME 
   data.to_sql(name="some_table", con=engine, if_exists='replace', index=False)

   # ALTER COLUMN TYPE (ASSUMING USER HAS RIGHTS/PRIVILEGES)
   with engine.begin() as conn:     
      conn.execute("ALTER TABLE some_table ALTER COLUMN mytextcolumn VARCHAR(255);")

我建议使用第二种方法，因为我认为数据库应该对python和pandas之类的应用程序代码是不可知的。因此，表模式的初始构建/重新构建应该是一个有计划的手动过程，任何脚本都不应该动态地改变数据库的结构，而应该只与数据交互。