使用 CAST 函数将 Decimal 类型数据转换为字符串类型，如下所示：

SELECT CAST(decimal_col AS STRING) AS decimal_col_str FROM your_table;

这样就可以避免自动添加百分号的问题了。

对于 datetime 数据类型，可以通过在使用 TO_STRING 函数将其转换为字符串类型，并指定格式化字符串。

SELECT TO_STRING(datetime_col, 'YYYY-MM-DD HH24:MI:SS') AS datetime_col_str FROM your_table;

您可以使用pandas库中的to_numeric()函数将decimal类型转换为float类型，并使用strftime()函数将datetime类型转换为字符串类型。例如，您可以使用以下代码：

import pandas as pd from odps import options, ODPS

options.sql.use_odps2_extension = True o = ODPS('your_access_id', 'your_secret_access_key', 'your_project_name', 'your_endpoint')

读取数据

df = o.get_table('your_table_name').to_df()

将decimal类型转换为float类型

df['your_decimal_column_name'] = pd.to_numeric(df['your_decimal_column_name'].str.strip('%')) / 100

将datetime类型转换为字符串类型

df['your_datetime_column_name'] = df['your_datetime_column_name'].dt.strftime('%Y-%m-%d %H:%M:%S')

输出结果

print(df.head())

datetime 是被定义为数据类型(Data Types)。由此可见,datetime 是主要提供处理日期和时间的数据类型的模块

可以按照我的方法尝试一下： 主要是来说分两种decimal自带百分号和datetime是数值类型。。。 decimal自带百分号：使用to_decimal()方法将其转化为decimal类型，并使用astype()方法将其转换为所需的数据类型，例如：

import pandas as pd
from odps.df import DataFrame

df = DataFrame(c)
df['column_name'] = df['column_name'].to_decimal().astype(float)

这里将column_name列中的数据先转化为decimal类型，再转换为float类型。

datetime是数值类型：使用pd.to_datetime()方法将其转化为datetime类型，并使用strftime()方法将其转换为所需的字符串格式，例如：

df['column_name'] = pd.to_datetime(df['column_name'], unit='s').dt.strftime('%Y-%m-%d %H:%M:%S')

这里将column_name列中的数据先转化为datetime类型，再按照指定格式进行字符串格式化。