python拼接sql?duckdb:不允许你用这么low的方式

duckdb 是 python 中高性能分析型数据库，它里面有一套很神秘的"关系" 和 表达式函数。今天我们来盘一盘。

事情源自于一位小伙伴，它给了我一个使用 duckdb 的例子代码：

为什么执行会报错？很显然，单引号的问题，如果里面换成两个就可以表达一个单引号

我明明就希望查询的是一个单引号的内容，却要这么写，多麻烦。

这一切的问题，全是把 sql 当作普通的文本拼接导致。

解决方法有许多。第一种是所有数据库引擎都有提供的参数化查询：

• 行1：注意查询内容里面只需要原文编写即可

参数化查询的好处在于，它会自行判断数据类型，类似文本需要双引号包围的问题，我们不需要操心。

不过，在 duckdb 中，使用 execute 才能使用参数化，并且要额外调用 fetch 相关方法才能得到结果。

但我更喜欢使用 query 方法，那怎么办？

duckdb 有自身实现的 sql 解析引擎。平时我们编写的 sql 文本，duckdb 会解析编译成 sql 表达式。而 duckdb 在 python 端公开了这些表达式的接口。

像这里的例子，在 sql 表达中，其实就是定义了一个常量。

• 行1：通过 duckdb.ConstantExpression 把内容传进去，就得到一个表达式。

其实，这玩意就是前面说到的参数化的操作。

duckdb 还内置了其他逻辑的表达式。比如：

可以看到，这些表达式对象可以覆盖几乎所有的 sql 逻辑。

当你需要动态构建各种表达式的时候，这些都是非常实用的方法。

细心的你可能会发现，query 方法返回的结果，能直接打印数据，但是结果却不是任何有效的数据类型，比如 dataFrame 等。

这就要说到 duckdb 中最有趣的"关系"函数。它可以实现类似 polars 的延迟执行的强大效果

正常使用 duckdb 加载数据，一般是：

本身提供了许多 from 相关方法

加载之后，得到的是一个叫 DuckDBPyRelation 对象。

我们可以利用它，把一个 sql 查询，拆分成一层层进行构建。比如，

等价于：

可以看到，其实关系函数构造的查询更加简洁。

当然，普通场景不会使用这种关系函数构造查询。它主要用于用户界面动态构造查询的场景。

那为什么说它是延迟执行呢？

如果我们把上面例子中的每一步都用单独的变量"拿住"，但不打印：

不管数据有多少，它们都没有实际执行查询。直到你让某个关系对象输出。

在 jupyter notebook 环境，把关系对象放在单元格最后，则视为打印输出

比如，我们希望输出 g1 结果到 dataframe：

此时才会真正执行关系对象"积累" 下来的逻辑(上面逻辑中的 第一次 filter + 分组计算)

它们类似数据库的虚拟视图

值得一提的是，许多关系方法的参数，都可以传入前面说到的"表达式"对象。它们会经常被组合应用。

不要忘记一键三连。你的点赞、收藏、关注，是我创作的动力。