摘要：分析通過查閱的文檔，可以通過指定參數(shù)值來改變數(shù)據(jù)庫中創(chuàng)建表的列類型。根據(jù)描述，可以在執(zhí)行方法時，將映射好列名和指定類型的賦值給參數(shù)即可上，其中對于表的列類型可以使用包中封裝好的類型。

在數(shù)據(jù)分析并存儲到數(shù)據(jù)庫時，Python的Pandas包提供了to_sql 方法使存儲的過程更為便捷，但如果在使用to_sql方法前不在數(shù)據(jù)庫建好相對應(yīng)的表，to_sql則會默認(rèn)為你創(chuàng)建一個新表，這時新表的列類型可能并不是你期望的。例如我們通過下段代碼往數(shù)據(jù)庫中插入一部分?jǐn)?shù)據(jù)：

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)

通過_dtypes_可知數(shù)據(jù)類型為object, int64, float64, datetime64[ns], bool
如果把數(shù)據(jù)通過to_sql方法插入到數(shù)據(jù)庫中：

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_可以發(fā)現(xiàn)數(shù)據(jù)庫自動創(chuàng)建了表并默認(rèn)指定了列的格式：

# 在MySQL中查看表的列類型
desc test;

其中str類型的數(shù)據(jù)在數(shù)據(jù)庫表中被映射成text，int類型被映射成bigint(20)， float類型被映射成double類型。數(shù)據(jù)庫中的列類型可能并非是我們所期望的格式，但我們又不想在數(shù)據(jù)插入前手動的創(chuàng)建數(shù)據(jù)庫的表，而更希望根據(jù)DataFrame中數(shù)據(jù)的格式動態(tài)地改變數(shù)據(jù)庫中表格式。

通過查閱pandas.DataFrame.to_sql的api文檔¹，可以通過指定dtype 參數(shù)值來改變數(shù)據(jù)庫中創(chuàng)建表的列類型。

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.

根據(jù)描述，可以在執(zhí)行to_sql方法時，將映射好列名和指定類型的dict賦值給dtype參數(shù)即可上，其中對于MySQL表的列類型可以使用SQLAlchemy包中封裝好的類型。

# 執(zhí)行前先在MySQL中刪除表
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)

更新代碼后，再查看數(shù)據(jù)庫，可以看到數(shù)據(jù)庫在建表時會根據(jù)dtypedict中的列名來指定相應(yīng)的類型。

desc test;

通過分析，我們已經(jīng)知道在執(zhí)行to_sql的方法時，可以通過創(chuàng)建一個類似“{"column_name"：sqlalchemy_type}”的映射結(jié)構(gòu)來控制數(shù)據(jù)庫中表的列類型。但在實(shí)際使用時，我們更希望能通過pandas.DataFrame中的column的數(shù)據(jù)類型來映射數(shù)據(jù)庫中的列類型，而不是每此都要列出pandas.DataFrame的column名字。
寫一個簡單的def將pandas.DataFrame中列名和預(yù)指定的類型映射起來即可：

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

只要在執(zhí)行to_sql前使用此方法獲得一個映射dict再賦值給to_sql的dtype參數(shù)即可，執(zhí)行的結(jié)果與上一節(jié)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)