我目前用的数据库是Access，是微软旗下的一个小型数据库，有可视化界面，创建数据库跟创建一般的文件操作是一样的。创建好的数据库可以把它简单的理解成一个后缀为.odbc的文件，因为可以可视化操作，创建表也简单。所以创建库和表没必要写sql语句，不在本文描述范围内。
我这个人比较懒，喜欢把数据分析工作的例事写成python脚本，每周或者每个月运行一次，自己坐在旁边摸鱼就好了。脚本的思路是用python把相关的数据从Access数据库里提取出来，然后用pandas来做数据操作，最后再把结果导出成excel或者写到其他数据库里，所以目前用到的也只是python连接数据库、表的查询、插入。代码报错本来就是一件很正常的事，我之前也会带着报错信息去百度，但是由于Access有些老了，相应的找到的帖子也比较老，本文就是整理了一下这个过程中常见的报错和解决方法。
1、连接数据库：
import pypyodbc
import pandas as pd
strs = "Driver={Microsoft Access Driver(*.mdb,*.accdb)};DBQ=文件路径"
db = pypyodbc.win_connect_mdb(strs) # 连接数据库
cursor = db.cursor() #创建手柄
2、数据查询：
cursor.excute("select * from [表名]") #注意这里的中括号不是代表可以不传，而是为了避免因为中文表名引起的报错
data = cursor.fecthall() #变量接受数据，此时的数据是以二维列表存储的，也没有列名
data = pd.DataFrame(data)
data.columns = [col[0] for col in cursor.description] #cursor.description返回表的结构
cursor.excute()执行sql语句，除此之外还有cursor.excutemany() 、cursor.commit()等，大致跟pymysql差不多
3、将DataFrame数据插入数据库
cursor.executemany("insert into [表名] (字段1,字段2,字段2,...) values (?,?,?,...)",
data.itertuples(index=False)) #遍历data数据，并逐条插入指定表内，values值用问号?占位，问号数量与字段数量保持一致
cursor.commit()
1、函数序列错误:
(1) 问题根源一：数据源没有配置驱动
解决方法：配置驱动
步骤：
A、打开数据源管理器：打开控制面板——>系统和安全——>管理工具——>ODBC数据源(64位)
B、添加DNS：选择用户DNS或系统DNS——>点击添加——>选择Microsoft Access Driver(.mdb,.accdb)——>完成
注：上图中几个Microsoft Access开头的驱动程序都是常见的驱动，如果你的电脑上没找到，直接百度搜索下载ODBC驱动程序，然后默认安装就可以
C、命名数据源名——>选择数据源——>在目录下面找到数据库文件所在路径，或者在数据库名下面强写数据库路径——>确定
D、剩下的就是一路确定，要修改的话就是在用户DNS那里找到对应的数据源点击配置重复步骤C
(2)问题根源二：DataFrame为空，无法遍历
解决方法：检查自己的数据，DataFrame对象有数据即可
2、不能打开数据库|应用程序可能无法识别该数据库…:
问题根源：数据库达到内存上限，Access是小型数据库，一个库的内存上限是2G左右，数据库内存接近2G的时候如果再往里面插入过多数据就会报错
解决方法：换个数据库存储
3、无效的字符值或规格：
问题根源：待插入的数据类型与表的字段类型不符，多发生于日期类、数字类字段
解决方法：打开数据库对应表的设计视图，查看数据字段类型和格式。修改DataFrame对象对应列的类型
4、无效的sql语句、语句的语法错误、语法错误 (操作符丢失) 在查询表达式
问题根源：sql语句错误，且Access支持的sql语句跟sql server也有一些细微的区别
解决问题：检查sql语句，或者写一些简单的查询语句，再由pandas来处理数据
问题根源：sql语句错误，且Access支持的sql语句跟sql server也有一些细微的区别**
解决问题：检查sql语句，或者写一些简单的查询语句，再由pandas来处理数据