如何在Python中通过DuckDB高速查询本地Parquet文件?

胖宇小哥_2232

胖宇小哥_2232

2026-11-22

831人浏览

原创

DuckDB比pandas.read_parquet()快得多,因其按需读取列、跳过行组、下推过滤条件至Parquet扫描层,利用min/max统计实现谓词跳过;而pandas需全量解压再过滤,I/O与内存开销巨大。

如何在python中通过duckdb高速查询本地parquet文件?

duckdb.connect() 为什么比 pandas.read_parquet() 快得多?

因为 DuckDB 不把 Parquet 文件全量加载进内存,而是按需读取列、跳过行组、下推过滤条件到文件扫描层。pandas 默认会解压整个列块再过滤,I/O 和内存开销都大得多。

实操建议:

  • 用 duckdb.connect(":memory:") 创建轻量连接,无需启动服务或管理进程
  • 直接在 SQL 中写 WHERE 条件,DuckDB 自动下推到 Parquet 的元数据(如 min_value/max_value)做谓词跳过
  • 避免先 read_parquet() 再 filter —— 这等于放弃 DuckDB 的核心优势

如何用 duckdb.sql() 直接查本地 .parquet 文件?

不需要提前注册表,DuckDB 支持路径即表名的语法,但要注意路径必须是字符串字面量或带引号的变量。

常见错误现象:IOError: No files found that match the pattern,通常是因为路径含波浪号 ~ 或相对路径未展开。

实操建议:

  • 用 os.path.abspath() 或 pathlib.Path().resolve() 展开路径,再传给 duckdb.sql()
  • SQL 中写绝对路径: SELECT * FROM '/home/user/data/file.parquet' WHERE x > 100
  • 支持通配符: SELECT * FROM '/data/*.parquet' WHERE dt = '2024-01-01'(自动合并多个文件)

查询大文件时为什么内存暴涨?怎么限制?

DuckDB 默认启用内存自适应,但遇到宽表或高基数 GROUP BY 仍可能吃光内存,报错 Out of memory 或卡死。

Define repeatable Python automation sessions in code with nox
Define repeatable Python automation sessions in code with nox

将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。

下载

实操建议:

  • 连接时设内存上限:duckdb.connect(config={"memory_limit": "2GB"})
  • 强制流式执行聚合:SET force_external=1(触发磁盘临时表)
  • 避免 SELECT *,只选需要的列;Parquet 列存特性在此处直接生效
  • 对时间字段等高频过滤字段,确认 Parquet 文件是否按该列排序/分区(影响谓词跳过效率)

如何把查询结果高效导出为 pandas DataFrame?

df = duckdb.sql("...").df() 看似简单,但若中间结果超内存,会触发隐式物化 + 多次拷贝,反而变慢。

实操建议:

  • 优先用 .fetchnumpy() 或 .fetchdf()(不是 .df()),前者零拷贝返回 NumPy 结构,后者更兼容但略慢
  • 如果只要前 N 行,加 LIMIT 在 SQL 层,别靠 pandas 截断
  • 导出前确认类型:DuckDB 的 TIMESTAMP 默认转成 pandas datetime64[us],若需纳秒精度,需显式 CAST(... AS TIMESTAMP_NS)

DuckDB 查 Parquet 的真正门槛不在语法,而在理解它“把 SQL 下推到存储层”这个前提——所有优化都围绕这个点展开,漏掉这点,就容易回到 pandas 式的重载+过滤老路。

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!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5664

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1929

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34797

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4047

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4067

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3163

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程