DuckDB python API：查询组成

Question

假设我将 DuckDB 与 python 一起使用，用于查询 Apache parquet 文件 test.pq，table 包含两列 f1 和 f2。

r1 = duckdb.query("""
SELECT f1 FROM parquet_scan('test.pq') WHERE f2 > 1
""")

现在我想在另一个查询中使用 r1 结果，例如：

duckdb.query("""SELECT * FROM r1 WHERE f1 > 10""")

然而，最后一条指令给出：RuntimeError: Catalog Error: Table with name r1 does not exist!

我是否缺少相当于 Apache Spark registerTempTable() 的 DuckDB 方法？

Answer 1

r1 = duckdb.query("""
SELECT f1 FROM parquet_scan('test.pq') WHERE f2 > 1
""")

不会创建一个名为 r1 的 table，但实际上会创建一个关系，它只不过是一个执行计划。因此，如果您对其调用执行，实际上会执行扫描镶木地板文件的查询

result = r1.execute()

如果您想将其作为table查询，基本上有两种选择。

r1.create_view('table_name')

conn = duckdb.connect()
conn.execute("create table t as SELECT f1 FROM parquet_scan('test.pq') where f2 > 1 ")

请注意，在 1 中，您实际上会将 parquet 数据加载到 Duck table，而在 2 中，您将不断读取 parquet 数据本身。

最后，如果你只是想堆叠过滤器，那么你可以这样做：

r2 = r1.filter("f1>10")

在 Duckdb 的网站上有更多关于 Python 关系 Api 的信息，更具体地说： https://duckdb.org/docs/api/python

希望这对您有所帮助！ ;-)

DuckDB python API: query composition