本文介绍在不依赖 pandas、polars 或 pyarrow 等第三方 dataframe 库的前提下，高效地将 duckdb 关系对象（duckdbpyrelation）导出为内存中的 csv 字符串，支持字段名与数据行完整输出。
本文介绍在不依赖 pandas、polars 或 pyarrow 等第三方 dataframe 库的前提下，高效地将 duckdb 关系对象（duckdbpyrelation）导出为内存中的 csv 字符串，支持字段名与数据行完整输出。
DuckDB 的 to_csv() 方法仅支持写入文件路径，无法直接返回字符串。但通过 DuckDB 内置的 SQL 执行能力与 Python 原生字符串处理，我们可在纯内存中构建标准 CSV 格式（含表头、逗号分隔、换行分隔），且完全避免临时文件 I/O 或额外依赖。
✅ 推荐方案：fetchall() + 手动拼接（兼顾正确性与效率）
以下代码可精确生成符合预期的 CSV 字符串（如 'a\n1\n2\n3\n'），并支持多列、多行、类型自动转换：
Python 3.14.2
下载
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
import duckdb
# 示例数据（可替换为任意 DuckDBPyRelation）
con = duckdb.connect()
data = con.execute("SELECT 'a' AS col1, 1 AS val UNION ALL SELECT 'b', 2 UNION ALL SELECT 'c', 3").df() # 仅为演示；实际中你已有 rel
rel = con.sql("SELECT * FROM data")
# 获取列名和所有行
columns = [desc[0] for desc in rel.description] # 安全获取字段名
rows = rel.fetchall()
# 构建 CSV 字符串：第一行为 header，后续为数据行（单列时每行一个值）
csv_lines = [",".join(columns)] # 表头（支持多列）
for row in rows:
# 每行转为字符串，空值转为 ''，特殊字符暂不转义（如需 RFC 4180 兼容，请用 csv.writer）
csv_line = ",".join(str(val) if val is not None else "" for val in row)
csv_lines.append(csv_line)
csv_str = "\n".join(csv_lines) + "\n"
print(repr(csv_str))
# 输出示例：'col1,val\na,1\nb,2\nc,3\n'
⚠️ 注意事项：
- rel.description 是获取列名最可靠方式（比 rel.columns 更稳定，尤其在复杂查询下）；
- fetchall() 返回元组列表，str(val) 可安全处理 int/float/str/None；
- 若需严格遵循 CSV 标准（如字段含逗号、换行、引号），应使用 Python 标准库 csv 模块写入 StringIO，但会引入轻微开销；
- 避免 con.execute(...).fetchall() 直接作用于原始 Polars DataFrame —— DuckDB 需先注册表（如 con.register('data', data)），否则报错。
❌ 不推荐方案说明
- 临时文件法（写磁盘再读取）：违背“纯内存”需求，存在 IO 开销、线程/进程竞争风险，且需手动清理；
- COPY TO 'memory://'：DuckDB 当前不支持 memory:// 协议作为 COPY 目标（截至 v1.1.0）；
- 仅用 fetchall() 拼接无表头（如答案中 option 2）：缺失列名，不符合 CSV 规范，且未处理多列分隔，实用性受限。
✅ 总结
最简洁、健壮、零依赖的方式是：
① 用 rel.description 提取列名；
② 用 rel.fetchall() 获取全部数据；
③ 用 Python 原生字符串操作逐行格式化并拼接。
该方法时间复杂度 O(n×m)，内存占用可控，适用于中等规模结果集（万行级别），且完全兼容 DuckDB 本地执行模式。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
