根据API端点推断的字段类型自动创建雪花表的方法？（Python）

假设我有一个数据帧，它的行如下：

{'ID':'123245','Comment':'This is my longer comment','Tax':1.07,'Units':2.0}

Python中是否有一种方法可以执行以下操作：

max([len(str(i)) for i in set(df['Comments'])])

并推断max varchar和其他元数据，然后我可以构造一个SQL查询来创建该表（在我的例子中，是针对SnowFlake）

由于它需要额外的未提及的逻辑（例如，尝试转换为int、float、datetime等），可能这通常是在现有库中完成的

现在，我需要一些时间让每个端点手动检查字段，并推断如何在Snowflake中创建每个表，同样，手动。希望将此过程自动化

---

当然，在没有像库这样更复杂的东西的情况下实现自动化的一个方面是，现在的max字段（例如199个字符长的注释）很可能很快会被将来输入到这些字段的输入所违反，比如，四舍五入为“max”varchar，例如在无法转换为float/int/date/等时告诉这样的算法一个最小varchar。

首先，如中所述，显式设置

varchar

列的最大长度对性能和存储没有影响，因此不必担心

关于您的一般问题，您可以使用它们的本机将数据帧简单地上传到您的环境中。将Python类型与雪花类型进行匹配是自动完成的

如果只想创建表而不插入数据，请上载

df.iloc[：0]

。如果您想获得

create table

SQL，可以使用。下面是一个示例实现

将熊猫作为pd导入
导入snowflake.com连接器
从snowflake.connector.pandas_工具导入pd_编写器
从snowflake.sqlalchemy导入URL
进口炼金术
凭证={**your\u snowflake\u凭证}
#创建示例数据帧
数据={
“ID”：“123245”，
“评论”：“这是我较长的评论”，
“税”：1.07，
“单位”：2，
}
df=pd.DataFrame（[data]）
#上载空数据帧
df.iloc[：0]。到_sql(
“测试表”，
sqlalchemy.create_引擎（URL（**凭据）），
索引=假，
方法=pd_编写器，
)
#检索CREATETABLE语句并删除临时表
#（如果你真的想）
sql=“选择get_ddl（'table'，'test_table'）”
使用snowflake.connector.connect（**凭据）作为连接：
使用connection.cursor（）作为游标：
create_table_sql=cursor.execute（sql）.fetchone（）[0]
cursor.execute（“drop table test\u table”）
打印（创建\u表\u sql）

输出：

创建或替换表测试表(
ID VARCHAR（16777216），
注释VARCHAR（16777216），
税收浮动，
单位数量（38,0）
);