pandas.to_sql到sqlite时提示 datatype mismatch

当你使用pandas.to_sql函数将数据写入SQLite数据库时，可能会遇到“datatype mismatch”错误。这通常是由于pandas自动推断的数据类型与SQLite数据库中的数据类型不匹配导致的。可以尝试以下几种方法解决这个问题：

1. 指定数据类型：可以在to_sql函数中指定数据类型，以确保与数据库中的数据类型匹配。例如：

   import sqlite3
   import pandas as pd
   
   conn = sqlite3.connect('example.db')
   df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']})
   
   df.to_sql('mytable', conn, if_exists='replace', index=False, dtype={'col1': 'INTEGER', 'col2': 'TEXT'})

在这个例子中，我们通过dtype参数指定了每列的数据类型，确保它们与数据库中的数据类型匹配。

2. 先创建表结构：在使用to_sql函数之前，可以先手动创建表结构，以确保每列的数据类型与数据库中的数据类型匹配。例如：

   import sqlite3
   import pandas as pd
   
   conn = sqlite3.connect('example.db')
   c = conn.cursor()
   c.execute('CREATE TABLE mytable (col1 INTEGER, col2 TEXT)')
   conn.commit()
   
   df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']})
   
   df.to_sql('mytable', conn, if_exists='replace', index=False)

在这个例子中，我们先创建了一个名为mytable的表，然后使用to_sql函数将数据写入该表中。由于表结构已经存在，to_sql函数将不再尝试自动推断数据类型，而是直接将数据写入表中。

3. 手动转换数据类型：如果你无法指定数据类型或创建表结构，可以尝试手动将数据类型转换为与数据库中的数据类型相匹配。例如：

   import sqlite3
   import pandas as pd
   
   conn = sqlite3.connect('example.db')
   df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']})
   
   # 将col1转换为整数类型，col2转换为字符串类型
   df['col1'] = df['col1'].astype(int)
   df['col2'] = df['col2'].astype(str)
   
   df.to_sql('mytable', conn, if_exists='replace', index=False)

在这个例子中，我们通过astype方法手动将每列数据类型转换为与数据库中的数据类型相匹配。这种方法需要手动指定每列的数据类型，但可以确保写入数据库的数据类型与数据库中的数据类型匹配。