<think>问题：在Python中使用psycopg2操作PostgreSQL数据库时，遇到错误 "can't adapt type 'numpy.int64'" 原因：psycopg2 无法直接识别并转换numpy.int64类型的数据为PostgreSQL可接受的数据类型。 解决方法： 1. 将numpy数据类型转换为Python原生数据类型。 2. 注册一个适配器让psycopg2能够处理numpy数据类型。 详细解释与代码： 方法1：转换数据类型（推荐简单场景） 在将数据传递给psycopg2之前，将numpy数据类型转换为Python内置类型。 ```python import numpy as np import psycopg2 # 假设我们有一个numpy.int64的值 value = np.int64(100) # 转换为Python int converted_value = int(value) # 然后使用converted_value进行数据库操作 conn = psycopg2.connect("dbname=test user=postgres") cursor = conn.cursor() cursor.execute("INSERT INTO my_table (num) VALUES (%s)", (converted_value,)) conn.commit() ``` 方法2：注册numpy.int64的适配器（推荐需要频繁处理numpy数据的场景） 我们可以为numpy.int64类型注册一个适配器，这样psycopg2就知道如何转换它。 ```python import numpy as np import psycopg2 from psycopg2.extensions import register_adapter, AsIs # 定义适配器函数 def adapt_numpy_int64(numpy_int64): return AsIs(int(numpy_int64)) # 注册适配器 register_adapter(np.int64, adapt_numpy_int64) # 现在可以直接使用numpy.int64类型 value = np.int64(100) conn = psycopg2.connect("dbname=test user=postgres") cursor = conn.cursor() cursor.execute("INSERT INTO my_table (num) VALUES (%s)", (value,)) conn.commit() ``` 方法3：处理整个数组或DataFrame 如果你从pandas DataFrame中获取数据，可以在插入之前转换整个列的类型。 ```python import numpy as np import pandas as pd import psycopg2 # 示例DataFrame df = pd.DataFrame({ 'id': [1, 2, 3], 'value': [np.int64(100), np.int64(200), np.int64(300)] }) # 转换整个列 df['value'] = df['value'].astype(int) # 然后使用df.to_sql或者使用executemany插入 conn = psycopg2.connect("dbname=test user=postgres") cursor = conn.cursor() # 使用executemany插入多行 rows = [tuple(x) for x in df.to_numpy()] cursor.executemany("INSERT INTO my_table (id, value) VALUES (%s, %s)", rows) conn.commit() ``` 方法4：使用psycopg2.extras.execute_values进行批量插入（高效） 对于大批量数据，可以使用psycopg2的extras模块中的execute_values方法，同时结合类型转换。 ```python import numpy as np import psycopg2 from psycopg2 import extras # 假设我们有一个包含numpy.int64的列表 data = [(1, np.int64(100)), (2, np.int64(200)), (3, np.int64(300))] # 转换每个元组中的numpy类型 converted_data = [(id, int(val)) for id, val in data] conn = psycopg2.connect("dbname=test user=postgres") cursor = conn.cursor() # 使用execute_values进行批量插入 extras.execute_values( cursor, "INSERT INTO my_table (id, value) VALUES %s", converted_data ) conn.commit() ``` 注意：同样的问题可能发生在numpy.float64、numpy.bool_等类型上，解决方法类似。 总结： - 根本原因是psycopg2没有内置对numpy数据类型的支持。 - 推荐在数据传递前转换为原生Python类型，或者注册适配器。 - 对于pandas用户，在插入数据库前转换数据类型是常见的做法。 --- §§相关问题§§: 1. 如何解决psycopg2中的 "can't adapt type 'numpy.float64'" 错误？ 2. 在psycopg2中如何批量插入包含多种numpy数据类型的DataFrame？ 3. 除了numpy.int64，还有哪些numpy数据类型psycopg2不能直接适配？ 4. 如何为自定义数据类型注册psycopg2适配器？ </think> # 解决 "can't adapt type 'numpy.int64'" 错误 当使用 `psycopg2` 与 PostgreSQL 交互时，如果尝试直接使用 NumPy 数据类型（如 `numpy.int64`），会遇到 "can't adapt type 'numpy.int64'" 错误。这是因为 `psycopg2` 默认不支持 NumPy 数据类型的适配。 ## 问题原因 `psycopg2` 使用适配器系统将 Python 类型转换为 PostgreSQL 兼容格式。NumPy 数据类型（如 `numpy.int64`、`numpy.float64` 等）不是 Python 内置类型，因此 `psycopg2` 无法直接处理它们。 ## 解决方法 ### 方法1：转换为 Python 原生类型（推荐） 最直接的方法是先将 NumPy 数据类型转换为 Python 原生类型： ```python import numpy as np import psycopg2 # 创建示例 NumPy 数据 numpy_int = np.int64(42) numpy_float = np.float64(3.14) numpy_bool = np.bool_(True) # 转换为 Python 原生类型 py_int = int(numpy_int) py_float = float(numpy_float) py_bool = bool(numpy_bool) # 连接到 PostgreSQL conn = psycopg2.connect( dbname="your_db", user="your_user", password="your_password", host="localhost" ) cursor = conn.cursor() # 安全执行查询 cursor.execute( "INSERT INTO test_table (int_col, float_col, bool_col) VALUES (%s, %s, %s)", (py_int, py_float, py_bool) ) conn.commit() ``` ### 方法2：注册自定义适配器 对于需要频繁使用 NumPy 数据类型的场景，可以注册自定义适配器： ```python import numpy as np import psycopg2 from psycopg2.extensions import register_adapter, AsIs # 注册 NumPy 适配器 def adapt_numpy_int64(numpy_int): return AsIs(int(numpy_int)) def adapt_numpy_float64(numpy_float): return AsIs(float(numpy_float)) def adapt_numpy_bool(numpy_bool): return AsIs(bool(numpy_bool)) # 注册适配器 register_adapter(np.int64, adapt_numpy_int64) register_adapter(np.float64, adapt_numpy_float64) register_adapter(np.bool_, adapt_numpy_bool) # 现在可以直接使用 NumPy 类型 conn = psycopg2.connect( dbname="your_db", user="your_user", password="your_password", host="localhost" ) cursor = conn.cursor() numpy_data = (np.int64(100), np.float64(2.718), np.bool_(False)) cursor.execute( "INSERT INTO test_table (int_col, float_col, bool_col) VALUES (%s, %s, %s)", numpy_data ) conn.commit() ``` ### 方法3：处理 Pandas DataFrame 当使用 Pandas DataFrame 时，可以在插入前转换数据类型： ```python import pandas as pd import numpy as np import psycopg2 from psycopg2 import sql # 创建示例 DataFrame df = pd.DataFrame({ 'id': [1, 2, 3], 'value': np.array([10, 20, 30], dtype=np.int64), 'price': np.array([1.99, 2.99, 3.99], dtype=np.float64), 'is_active': np.array([True, False, True], dtype=np.bool_) }) # 转换所有列到 Python 原生类型 df = df.astype({ 'id': int, 'value': int, 'price': float, 'is_active': bool }) # 连接到 PostgreSQL conn = psycopg2.connect( dbname="your_db", user="your_user", password="your_password", host="localhost" ) cursor = conn.cursor() # 准备批量插入 columns = df.columns values = [tuple(row) for row in df.to_numpy()] insert_query = sql.SQL(""" INSERT INTO products ({}) VALUES %s """).format(sql.SQL(', ').join(map(sql.Identifier, columns))) # 使用 extras.execute_values 高效插入 from psycopg2 import extras extras.execute_values(cursor, insert_query, values) conn.commit() ``` ## 最佳实践 1. **数据预处理**：在数据进入数据库前转换为原生 Python 类型 2. **类型检查**：使用 `isinstance()` 检查数据类型 ```python if isinstance(value, np.integer): value = int(value) elif isinstance(value, np.floating): value = float(value) elif isinstance(value, np.bool_): value = bool(value) ``` 3. **统一数据类型**：在数据处理管道早期进行类型转换 4. **使用 Pandas 转换**：`df = df.astype({'column': 'int32'})` 5. **错误处理**：添加适当的异常处理 ---