Excel 卡死别硬扛:一行 SQL 查完百万行

这些痛苦，做业务的大概都经历过

如果你是做运营、财务、销售的，下面这些场景应该不陌生：

• 月底要把 30 个门店的 Excel 合并成一张表，复制粘贴到手软，还总串列；

• 销售明细一超过 20 万行，点开数据透视表就转圈，电脑风扇狂响；

• 用 VLOOKUP 对账，一拉公式满屏 #N/A，改到半夜；

• 想看看“每个品类卖得最好的前 10 个商品”，Excel 实在搞不定，只能放弃。

你大概知道两条出路：要么学 Python（但要装环境、啃 pandas，劝退），要么上 Excel 的 Power Pivot（但要装加载项、建数据模型、学 DAX——又是一道墙）。

今天给你第三条，比这两者都轻：DuckDB。不用装数据库，不用学 Python，会一点点“像说话一样的 SQL”，就能直接对你的 Excel / CSV 文件下命令，百万行数据秒出结果，电脑还不卡。

一、DuckDB 是什么：给 Excel 用户的“分析加速器”

DuckDB 是一个能直接查你文件的 SQL 工具。数据不用导进数据库，也不用起服务。

你可以把它理解成“装在电脑里的分析引擎”：

• 单文件、零配置，下载就能用；

• 直接读 Excel、CSV 文件，不用先导入；

• 只读取用到的列（列存），所以大文件也快；

• 边读边算，还能把临时结果写回磁盘，数据比内存大也不崩；

• MIT 开源、数据全程留在你自己的文件里，不传云端、不注册账号

你只管用 SQL 发指令，比如“按品类汇总销售额”，它就去文件里把结果算出来。

二、DuckDB 和 Power Pivot，你到底该用哪个？

你搜“Excel 百万行卡死”，十有八九会看到让你上 Power Pivot / Power Query 的教程——那确实能解决问题，但门槛不低。把两条路摆在一起，你就知道该用哪把刀：

结论：Power Pivot 适合“人坐在 Excel 里反复拖着看”；DuckDB 适合“数据在 CSV / 多个 Excel 里、要合并清洗汇总、算完导出交给别人，且你不想学 DAX”。两者不冲突——很多人的真实工作流是：DuckDB 把脏数据洗好、表合并好，再丢回 Excel 让同事用透视表看。

三、DuckDB 2.0 带来了什么

跟“业务分析”最相关的两点：

• 读文件更快（异步 I/O）： 读 Excel / CSV 时边读边算，大文件更不容易卡。

• VARIANT 类型： 像 JSON 这种不规则的数据，也能按列高效存、快速查。

四、DuckDB 和手机里的 SQLite 是啥关系

你可能听过 SQLite——手机 App 几乎都在用它存数据。它和 DuckDB 很像（都是单文件、零配置），但干的活不同：SQLite 擅长“记流水”（一行行增删改），DuckDB 擅长“做分析”（扫大表、分组汇总）。简单说，记流水用 SQLite，做分析用 DuckDB。两者还能配合：业务数据在 SQLite 里，DuckDB 直接连上去分析，不用导出。

五、DuckDB 怎么干你每天在 Excel 里干的活

下面每一个都是业务同学的高频动作。这些操作全部直接用 SQL 对原始文件完成，不需要把数据导进任何地方。

场景 0：直接查你的 Excel 文件（不用另存为 CSV）

这是 DuckDB 最爽的一点——.xlsx 直接就能查：

1
2
3
4
5
6
7
8
9
10
11
-- 看看表里有什么（LIMIT 10 表示只看前 10 行）SELECT * FROM '销售明细.xlsx' LIMIT 10;-- 指定读某个工作表SELECT * FROM read_xlsx('销售明细.xlsx', sheet = 'Sheet1');-- 直接对 Excel 做汇总，结果秒出SELECT 品类, SUM(金额) AS 总额FROM '销售明细.xlsx'GROUP BY 品类ORDER BY 总额 DESC;

场景 1：做透视表（行列交叉汇总）

Excel 数据透视表的本质，是把某一列的不同值拆成列头，再对值做聚合。DuckDB 自带原生 PIVOT 语句，和透视表一一对应：

• ON = 要拆成列头的字段（对应透视表的“列”）

• USING = 怎么聚合（对应透视表的“值”）

• GROUP BY = 每行一条的字段（对应透视表的“行”）

1
2
3
4
5
-- 行=品类，列=年份，值=各品类每年的销售额合计PIVOT '销售明细.xlsx'ON 年份USING sum(金额)GROUP BY 品类;

跑出来就是一张“品类 × 年份”的销售额交叉表，和你在 Excel 里拖出来的透视表一样。不写 USING 时默认按 count(*) 计数；反过来还有 UNPIVOT，能把宽表一键变回长表。

场景 2：多表关联（VLOOKUP 的替代）

需求：订单表（有商品编码 sku、数量）要补上商品名称和单价。

1
2
3
4
SELECT o.订单号, p.商品名称, o.数量, p.单价,       o.数量 * p.单价 AS 金额FROM '订单.xlsx' oLEFT JOIN '商品.xlsx' p ON o.sku = p.sku;

再也不用担心 VLOOKUP 拉错列、漏行。两个表直接对上，结果干净。

场景 3：合并几十个门店的表（复制粘贴的替代）

需求：目录下有 门店01.xlsx … 门店50.xlsx，列名还不完全一样，要合并后按门店汇总。

1
2
3
SELECT 门店, SUM(金额) AS 总额FROM read_excel('门店*.xlsx', union_by_name=true)GROUP BY 门店;

union_by_name=true 的意思是“按列名自动对齐”——列顺序乱了、某些表缺几列都不怕，DuckDB 自己拼好。CSV 文件同理，把 read_excel 换成 read_csv_auto 即可。

场景 4：找出异常数据（条件筛选）

需求：找出金额超过“该品类平均金额 3 倍”的可疑订单。

1
2
3
4
SELECT * FROM (  SELECT *, AVG(金额) OVER (PARTITION BY 品类) AS 品类均值  FROM '订单.xlsx') WHERE 金额 > 3 * 品类均值;

这种“分组内比较”的逻辑，用 SQL 写特别直白，也方便以后复用、改条件。

场景 5：把结果写回 Excel

算完的结果，直接导成一张新表：

1
2
3
4
COPY (  SELECT 品类, SUM(金额) AS 总额  FROM '销售明细.xlsx' GROUP BY 品类) TO '汇总结果.xlsx' (FORMAT XLSX);

也能导成 Parquet（体积只有 Excel 的 1/3~1/5，下次打开秒开还不丢类型），适合留给下游继续用。

性能大概差多少

六、适用边界：什么时候该回到 Excel / Power Pivot

讲完好处，必须说清边界，免得你拿锤子找钉子。DuckDB 不是 Excel 的替代品，下面这些情况，老老实实回 Excel / Power Pivot 更顺手：

• 要做可交互的动态仪表板给老板看（拖切片器、点一下换维度）→ 用 Power Pivot + 透视表；

• 要边看中间结果边画图、做特别细的逐行加工 → pandas + 图表库更灵活；

• 数据极大且要多人云端协作 → Power BI / 在线 BI 更合适；

• 文件小（几万行内）、偶尔算一次 → Excel 透视表就够，不必换工具。

DuckDB 的甜区很明确：一次性或定期报表、合并清洗汇总一堆文件、结果落回 Excel / Parquet 交给别人。它就是干这个最省事。

七、三分钟上手

方式一：装个软件，像用计算器一样用

1
2
3
4
5
# Mac 电脑brew install duckdb# Windows 电脑（官方一键安装脚本）powershell -NoExit -ExecutionPolicy Bypass -Command "irm https://install.duckdb.org/install.ps1 | iex"

装完在终端输入 duckdb，然后直接写：

1
SELECT 品类, SUM(金额) FROM '销售明细.xlsx' GROUP BY 品类;

方式二：嵌到流程里（Python）

1
pip install duckdb

1
2
import duckdbduckdb.sql("SELECT 品类, SUM(金额) FROM '销售明细.xlsx' GROUP BY 品类").df()

结语：本地优先，才是业务人员真正的安全感

Excel 是我们最熟悉的工具，但它天生不适合“大文件的分析”。过去要解决这个问题，要么忍（手工硬扛），要么学 Python、要么啃 Power Pivot——每一条都有门槛。

DuckDB 给了一种更轻的选择：会一点 SQL，就能直接对文件做专业级分析，免费、轻量、不卡电脑。而且它是开源的、数据全程留在你自己的文件里——不传云端、不绑账号、不依赖某家公司的订阅，这正是“本地优先”最实在的好处：你的数据，始终在你手里。

下次 Excel 再卡死的时候，别急着复制粘贴了——试试 DuckDB，把省下来的时间用来喝杯咖啡。

参考：DuckDB 2.0 官方发布公告（2026-10-21）。