DuckDB完全ガイド：サーバー不要でParquet・CSVを高速SQL分析できるOLAPデータベース

duckdb/duckdb

data ⭐ 37000 C++

2026.03.27 1分更新 2026.03.30

DuckDB完全ガイド：サーバー不要でParquet・CSVを高速SQL分析できるOLAPデータベース - AIツール日本語解説 | AI Heartland

外部サーバーやインフラ構築不要で、ローカルファイルに対して高速なOLAPクエリが可能。ParquetやCSVを直接SQLで分析でき、Pythonのpandas DataFrameともゼロコピーで連携する。

DuckDBとはどんなデータベースか

DuckDBは、アプリケーション内で動作するインプロセス型の分析用（OLAP）SQLデータベースだ。SQLiteがトランザクション処理（OLTP）に特化しているのに対し、DuckDBは分析クエリに最適化されている。列指向のベクトル化実行エンジンにより、大量データの集計や結合を高速に処理する。

サーバープロセスが不要で、pip install duckdb だけで使い始められる。

主な機能とデータ分析での強み

サーバーレス・組み込み型：外部プロセス不要。Python、Node.js、Java、Rustなどから直接利用可能
ファイル直接クエリ：Parquet、CSV、JSON、ExcelファイルをインポートせずにそのままSQL分析
列指向ベクトル化実行：OLAP特化の実行エンジンで、集計・結合クエリが高速
フルSQL対応：Window関数、CTE、サブクエリ、PIVOT、LATERALなど標準SQL機能を網羅
pandas連携：DataFrameをゼロコピーでSQLクエリ対象にでき、結果もDataFrameで受け取れる
拡張機能：空間データ（spatial）、HTTP経由のリモートファイル読み込み、PostgreSQLスキャナーなど

インストールとデータ分析の始め方

# Python
pip install duckdb

# CLI（macOS）
brew install duckdb

# Node.js
npm install duckdb

Pythonでの基本的な使い方：

import duckdb

# CSVファイルを直接クエリ
result = duckdb.sql("SELECT * FROM 'sales_data.csv' WHERE amount > 1000")
print(result)

# Parquetファイルの集計
duckdb.sql("""
    SELECT category, SUM(amount) as total
    FROM 'transactions.parquet'
    GROUP BY category
    ORDER BY total DESC
""")

pandasとの連携：

import pandas as pd
import duckdb

df = pd.read_csv("users.csv")

# DataFrameに直接SQLを実行
result = duckdb.sql("SELECT age, COUNT(*) FROM df GROUP BY age ORDER BY age")
result.df()  # 結果をDataFrameに変換

CLIでの対話的クエリ：

duckdb

# S3上のParquetファイルを直接クエリ
SELECT * FROM read_parquet('s3://my-bucket/data/*.parquet') LIMIT 10;

競合データベースとの比較

ツール	タイプ	得意領域	スケール	セットアップ
DuckDB	組み込みOLAP	ローカル分析	シングルノード	`pip install`のみ
SQLite	組み込みOLTP	トランザクション	シングルノード	標準装備
ClickHouse	サーバーOLAP	大規模分析	分散対応	サーバー構築
Polars	DataFrameライブラリ	メモリ内処理	シングルノード	`pip install`のみ
Apache Spark SQL	分散SQL	大規模ETL	分散クラスタ	クラスタ構築