Python mn dtype并将其标记为“object”?针对您的sql查询使用where not null测试它,看看它是否再次强制执行。很遗憾(或不是:)!)我周末休假!因此,我无法运行更多的测试。我刚看了这页:。这听起来应该行得通。我将在周一进行更多的测试,并在
Python mn dtype并将其标记为“object”?针对您的sql查询使用where not null测试它,看看它是否再次强制执行。很遗憾(或不是:)!)我周末休假!因此,我无法运行更多的测试。我刚看了这页:。这听起来应该行得通。我将在周一进行更多的测试,并在,python,sql,csv,pandas,dataframe,Python,Sql,Csv,Pandas,Dataframe,mn dtype并将其标记为“object”?针对您的sql查询使用where not null测试它,看看它是否再次强制执行。很遗憾(或不是:)!)我周末休假!因此,我无法运行更多的测试。我刚看了这页:。这听起来应该行得通。我将在周一进行更多的测试,并在周末阅读熊猫的书籍。谢谢你的帮助。稍后我会提供更多信息。干杯我知道没有数据集很难解决这个问题,特别是当这些数据在数据库中时。使用“where in()”选择的查询收集的2行包含在使用“where numrow
mn dtype并将其标记为“object”?针对您的sql查询使用where not null测试它,看看它是否再次强制执行。很遗憾(或不是:)!)我周末休假!因此,我无法运行更多的测试。我刚看了这页:。这听起来应该行得通。我将在周一进行更多的测试,并在周末阅读熊猫的书籍。谢谢你的帮助。稍后我会提供更多信息。干杯我知道没有数据集很难解决这个问题,特别是当这些数据在数据库中时。使用“where in()”选择的查询收集的2行包含在使用“where numrow<100”选择的第二个查询中。是的,一个有空值。直接在数据库上,每个字段的格式都完全相同。可能是因为,如果列以Null值开头,则Pandas无法读取此列数据类型并将其标记为“object”?请使用where not Null对sql查询进行测试,看看它是否再次强制。很遗憾(或不是:)!)我周末休假!因此,我无法运行更多的测试。我刚看了这页:。这听起来应该行得通。我将在周一进行更多的测试,并在周末阅读熊猫的书籍。谢谢你的帮助。稍后我会提供更多信息。干杯
self.dataframe.to_csv(self.fic,
index=False,
header=False,
sep='|',
mode='a',
encoding='utf-8',
line_terminator='\n',
date_format='%d/%m/%Y
)
l = list(self.dataframe.select_dtypes(include=['datetime64']).columns)
for i in l:
self.dataframe[i] = self.dataframe[i].dt.strftime('%d/%m/%Y')
requete = 'select * from DOMMAGE_INTERET where doi_id in (176433, 181564)'
df.dtypes
doi_id int64
aff_id int64
pdo_id int64
doi_date_decision datetime64[ns]
doi_date_mod datetime64[ns]
doi_montant float64
doi_reste_a_payer object
doi_appliquer_taux int64
doi_date_update datetime64[ns]
afg_id int64
dtype: object
requete = 'select * from DOMMAGE_INTERET where rownum < 100'
doi_id int64
aff_id int64
pdo_id int64
doi_date_decision object
doi_date_mod datetime64[ns]
doi_montant float64
doi_reste_a_payer object
doi_appliquer_taux int64
doi_date_update datetime64[ns]
afg_id int64
dtype: object
df = read_sql_query('select * from DOMMAGE_INTERET where rownum < 100', engine,
parse_dates = ['doi_date_decision', 'doi_date_mod', 'doi_date_update'])
df['doi_date_decision'] = pd.to_datetime(df['doi_date_decision'])