讲师中心 微信公众号

工具推荐

视频效率加速
Seko
Seko

AI短剧一键生成成片

SoundView
SoundView

字幕擦除翻译、配音口型同步

AniShort
AniShort

AI短剧协同制作平台

剧云
剧云

中文短剧剧本制作平台

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

发布时间:2026-11-22 09:42:17

|

831人浏览过

|

来源于php中文网

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:

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
  • 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。

立即学习“Python免费学习笔记(深入)”;

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。

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。

热门AI工具

更多
Atoms
Atoms Hot

Atoms是一款AI智能体工具,第一支自动构建真实业务的 AI 团队。

花生AI
花生AI Hot

一款AI视频创作工具,主要用于B站推出的AI视频创作工具,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

Laper
Laper Hot

Laper是专为编剧、导演和制片人推出的 AI 原生剧本创作工具。

蛙蛙写作

一款AI论文写作工具,主要用于超级AI智能写作助手,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

超级麦吉

一款通过数字员工协作完成调研、数据分析与文档制作的AI办公平台。

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。

1971

2023.07.20

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。

5664

2023.07.25

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。

1929

2023.07.31

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。

34797

2023.08.03

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。

4047

2023.08.04

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。

4067

2023.08.04

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。

1303

2023.08.11

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。

636

2023.08.10

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

0

2026.11.20

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
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn