在pandas中将numpy.int64转换为python int

我有一个excel文件和一张表格。它包含两列num1和num2，它们都有整数值。我正在尝试使用Sqlalchemy和pandas提取这些数据并将其插入Mysql数据库

from sqlalchemy import create_engine, MetaData,Column,Integer
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker,validates
import pandas as pd

Base = declarative_base()
connection_string = # give your connection string here
engine= create_engine(connection_string)
Base.metadata.bind = engine
s = sessionmaker()
session = s()

class a(Base):
    __tablename__ = 'a'
    id = Column(Integer,primary_key=True)
    num1 = Column(Integer)
    num2 = Column(Integer)

a.__table__.create(checkfirst=True)

excel_sheet_path = # give path to the excel sheet
sheetname = # give your sheet name here

df = pd.read_excel(excel_sheet_path,sheetname).transpose()


dict = df.to_dict()

for i in dict.values():
    session.add(a(**i))
session.commit()

这段代码给了我一个属性错误

AttributeError: 'numpy.int64' object has no attribute 'translate'

因此，在将dataframe转换为dictionary之前，我尝试了许多函数，如astype、to_numeric，以将数据类型更改为普通的python int，但它们根本不起作用。只有当数据帧具有所有整数值时，问题才会持续存在。如果至少有一个列的类型为string或date，则程序工作正常。我如何解决这个问题

这也有问题。 我最终找到了一个有点不熟练的解决方案，如下所示：

def trans(data):
"""
translate numpy.int/float into python native data type
"""
result = []
for i in data.index:
    # i = data.index[0]
    d0 = data.iloc[i].values
    d = []
    for j in d0:
        if 'int' in str(type(j)):
            res = j.item() if 'item' in dir(j) else j
        elif 'float' in str(type(j)):
            res = j.item() if 'item' in dir(j) else j
        else:
            res = j
        d.append(res)
    d = tuple(d)
    result.append(d)
result = tuple(result)
return result

---

但是，当处理具有大量行的数据时，它的性能很差。您将花几分钟时间翻译一个包含100000条以上记录的数据帧。

一篇有点相关的帖子：是的。我正在使用PyMySql如何解决此错误？