R语言中如何使用dplyr语法向DuckDB数据表插入记录

dplyr生态下的数据库操作逻辑由dbplyr扩展包支撑，使用rows_insert()函数即可实现和原生SQL INSERT完全等价的插入效果，不需要手写SQL语句。

推荐写法（dplyr 标准语法） #

注意插入操作必须指定in_place = TRUE才会实际写入数据库持久化表，否则只会在内存懒查询层临时生效，不会修改实际存储的数据。

# 加载依赖，未安装先运行 install.packages("dbplyr")
library(dbplyr)

# 构造待插入数据，列名、数据类型需和目标表foo对齐
new_records <- tibble(
  a = 6L, # 原表a列为整数类型，加L声明整数型避免类型不匹配
  b = "F",
  c = 0.5
)

# 执行插入
tbl(con, "foo") |> 
  rows_insert(
    x = new_records,
    in_place = TRUE, # 核心参数：直接修改数据库端的表
    conflict = "ignore" # 主键/唯一键冲突时跳过，避免报错
  )

# 验证插入结果
tbl(con, "foo") |> collect()

这个写法同时支持单条/批量插入，只需要把待插入的tibble换成对应多行数据集即可，DuckDB会自动做批量写入优化，效率远高于循环执行单条SQL。

兼容旧版本写法 #

如果你的dbplyr版本低于2.0没有rows_insert函数，可以用copy_to()追加模式实现相同效果：

copy_to(
  dest = con,
  df = new_records,
  name = "foo",
  append = TRUE, # 开启追加模式，不会覆盖原有表数据
  temporary = FALSE
)

常见踩坑点 #

• 忘记设置in_place = TRUE：这是最常见的问题，默认参数下rows_insert只会返回合并后的懒查询对象，不会真正写入数据库。
• 列类型不匹配：比如原表整数列传入普通数值型、字符列传入因子类型，虽然DuckDB有隐式转换，但极端情况会导致写入失败或类型异常，最好提前对齐类型。
• 列名不一致：插入数据集的列名必须和目标表完全对应，不存在的列会直接报错，缺失列会写入NULL值。

内容的提问来源于stack exchange，提问作者Dan