用途：DuckDB 是把专业 SQL 带进 Python 数据科学栈的进程内分析型数据库，针对 OLAP 优化，擅长超出内存规模的大聚合、连接和复杂查询。
主要能力：无需启动或管理服务器，可运行在 Python 进程内；数据可存于 .db 文件或全内存。采用列式存储与向量化执行，分析任务比 SQLite 等行式数据库快。能直接“看到” Python 变量，可对 Pandas DataFrame 变量直接执行 SQL。支持直接查询 CSV、Parquet，可用通配符一次查询多个文件，如 FROM 'data/*.parquet'；支持窗口函数、聚合等现代 SQL；提供关系 API 与 duckdb.from_df 等。结果可转为 Pandas、Polars 或 Arrow（.df()、.pl()、.arrow()）。支持持久化连接 duckdb.connect('my_data.db')，以及设置 temp_directory、max_memory 触发磁盘溢写、SET threads 控制并行、EXPLAIN ANALYZE 查看执行计划。
使用方式：pip install duckdb；基本模式为 duckdb.sql("SELECT ... FROM df").df()，其中 df 为局部作用域变量。查询文件用 SELECT * FROM 'data.parquet'，避免先 pd.read_csv 再过滤；重复查询同一文件可先建 VIEW 或 TABLE；防止 SQL 注入应使用参数化，如 duckdb.execute("SELECT * FROM data WHERE name = ?", [user_input])。
适用场景：对 Pandas/Polars 数据做复杂 SQL；直接查询大型 Parquet 或 CSV；跨源连接（如 CSV 与 DataFrame）；构建 SQL 分析管线；管理超出 Excel 但无需 PostgreSQL 服务器的本地数据集；机器学习中间数据存储与特征工程。
限制：不适合高频写入（OLTP），此类需求应使用 SQLite 或 PostgreSQL；使用文件型数据库时需关闭连接或使用上下文管理器以避免文件锁；同一 .db 文件被多进程以写方式打开会失败，次要进程可用 read_only=True；日期格式异常时可用 strptime 解析。官方文档为 https://duckdb.org/docs/，Python API 见 https://duckdb.org/docs/api/python/overview。