使用DuckDB导入CSV文件时如何处理NA（缺失值）问题？

针对社科研究中常见的CSV含NA导致整数列导入失败的问题，分享几个实用的解决思路：

• 手动定义可空表结构再导入
  DuckDB自动推断类型时，若整数列存在NA会触发类型冲突。先创建允许为空的表结构，再指定NA对应SQL的NULL值：

  -- 先定义表，所有可能含NA的列加上NULL标记
  CREATE TABLE social_science_data (
      respondent_id INTEGER NULL,
      survey_score INTEGER NULL,
      region VARCHAR
  );
  -- 导入时指定CSV中的"NA"为NULL
  COPY social_science_data FROM 'survey_data.csv' (HEADER, DELIMITER ',', NULL 'NA');
  

• 自动推断时直接指定NA映射
  不想手动建表的话，用COPY命令的NULL参数配合自动类型检测，让DuckDB自动识别可空类型：

  COPY social_science_data FROM 'survey_data.csv' (HEADER, DELIMITER ',', NULL 'NA', AUTO_DETECT=TRUE);
  

  这个方法适合快速导入，无需提前定义表结构，关键是让DuckDB明确CSV里的"NA"就是空值。

• 统一CSV中的NA格式
  社科数据里NA的写法可能不统一（比如"NA"、"N/A"、空单元格），先把所有空值标记统一成同一个字符串（比如全改成"NA"），再用对应参数导入。如果是空单元格，就用NULL ''：

  COPY social_science_data FROM 'cleaned_survey_data.csv' (HEADER, DELIMITER ',', NULL '');
  

注意事项 #

• 一定要保证NULL参数指定的字符串和CSV里的空值标记完全一致，大小写敏感。
• 如果CSV里有引号包裹的字段，记得加上QUOTE '"'参数适配。

内容的提问来源于stack exchange，提问作者dkolkin