在我看来，最有效的方法是让psycopg 2总是知道np.ndarray（s）。可以通过注册一个适配器来做到这一点：

import numpy as np
from psycopg2.extensions import register_adapter, AsIs

def addapt_numpy_array(numpy_array):
    return AsIs(tuple(numpy_array))

register_adapter(np.ndarray, addapt_numpy_array)

字符串
为了帮助使用numpy，我对依赖于psycopg 2的脚本/库的默认插件是：

import numpy as np
from psycopg2.extensions import register_adapter, AsIs

def addapt_numpy_float64(numpy_float64):
    return AsIs(numpy_float64)

def addapt_numpy_int64(numpy_int64):
    return AsIs(numpy_int64)

def addapt_numpy_float32(numpy_float32):
    return AsIs(numpy_float32)

def addapt_numpy_int32(numpy_int32):
    return AsIs(numpy_int32)

def addapt_numpy_array(numpy_array):
    return AsIs(tuple(numpy_array))

register_adapter(np.float64, addapt_numpy_float64)
register_adapter(np.int64, addapt_numpy_int64)
register_adapter(np.float32, addapt_numpy_float32)
register_adapter(np.int32, addapt_numpy_int32)
register_adapter(np.ndarray, addapt_numpy_array)

型
否则即使是数字类型也会有一些问题。
我从这个其他stackoverflow entry得到了适配器技巧。

我不知道问题出在哪里，因为我在你的代码中看不到你将数据插入Postgres的部分。
我的猜测是你给了Postgres一个Numpy数组：psycopg2不能处理Numpy数据类型，但它应该很容易将其转换为与psycopg2一起工作的原生Python类型（例如，通过使用.tolist（方法），如果没有代码，很难给予更精确的信息）。

首先使用apply和tolist将每个numpy数组元素转换为其等效列表，然后您应该能够将数据写入Postgres：

df['column_name'] = df['column_name'].apply(lambda x: x.tolist())

字符串

我们可以通过一次提取一个元素来解决这个问题。这里我假设对于numpy.int64类型的temp_df，sub_id，我们可以直接使用iloc和item作为temp_df.iloc[0]['sub_id'].item()提取值，然后我们可以将其推送到DB中。

from pgvector.psycopg2 import register_vector
db_connection = psycopg2.connect(dsn)

register_vector(db_connection)

字符串
您需要导入register_vector，以便它可以与numpy数组一起工作。如果您正在使用PostgreSQL的PG Vector插件，则也需要这样做。