PostgreSQL 中如何处理 Python 空值插入？

在PostgreSQL中处理Python空值插入时，需根据数据类型和插入方式选择合适的方法，以下是具体解决方案：

当使用Python直接执行SQL语句时，需将空字符串""显式转换为None，因为PostgreSQL将空字符串视为有效字符串而非空值。

操作步骤：

1. 数据预处理：在构建SQL语句前检查字段值，若为空字符串则替换为None。name = "" # 原始空字符串processed_name = None if name == "" else name # 转换为Nonecursor.execute("INSERT INTO student (name, age) VALUES (%s, 15)", (processed_name,))
2. 参数化查询：使用%s占位符（而非直接拼接SQL）避免SQL注入，同时自动处理None到NULL的转换。# 正确示例：参数化查询自动转换Nonecursor.execute("INSERT INTO student (name, age) VALUES (%s, %s)", (None, 15))

关键点：

• 直接拼接"INSERT ... VALUES (none, 15)"会因语法错误（none未加引号）导致失败，需使用参数化查询。
• PostgreSQL驱动（如psycopg2）会自动将Python的None转换为SQL的NULL。

当使用Pandas的to_sql()方法插入DataFrame数据时，需通过na_rep参数控制空值转换，但需注意不同版本的Pandas行为差异。

操作步骤：

1. 设置na_rep=None：在to_sql()中显式指定将缺失值替换为SQL的NULL。import pandas as pdimport numpy as npdata = pd.DataFrame({"name": ["Alice", "", None], "age": [20, np.nan, 25]})con = ... # 建立数据库连接# 方法1：使用na_rep=None（推荐）data.to_sql( "student", con, if_exists="append", index=False, na_rep=None # 将NaN/None转为NULL)
2. 预处理DataFrame：若na_rep无效（如旧版Pandas），可先替换缺失值：# 方法2：手动替换NaN/None为None（统一处理）data = data.where(pd.notnull(data), None) # 将NaN转为Nonedata.to_sql("student", con, if_exists="append", index=False)

关键点：

• Pandas 1.3.0+版本中，to_sql()的na_rep参数可直接控制缺失值转换，但需确保数据库驱动支持（如psycopg2）。
• 对于包含混合类型（字符串+数值）的DataFrame，建议先统一缺失值表示（如全部转为None），避免类型错误。

1. 错误示例：直接插入空字符串# 错误：空字符串被插入为有效字符串，而非NULLcursor.execute("INSERT INTO student (name) VALUES ('')") # 插入""而非NULL
2. 错误示例：未处理NaN导致类型错误# 错误：NaN无法直接插入整数列data = pd.DataFrame({"age": [20, np.nan]})data.to_sql("student", con, if_exists="append", index=False) # 可能报错解决方案：确保目标列允许NULL值，或预处理数据：data["age"] = data["age"].fillna(None).astype("Int64") # Pandas的可空整数类型

• 参数化查询：始终使用%s占位符和参数元组，避免SQL注入并自动处理None转换。
• 数据预处理：在插入前检查并统一缺失值表示（如None），尤其是混合类型数据。
• 版本兼容性：升级Pandas至最新版本以获得更完善的to_sql()支持，或参考文档调整参数。

通过以上方法，可高效处理Python到PostgreSQL的空值插入问题，确保数据一致性和查询正确性。