如何直接从Python字典创建DuckDBPyRelation（无需借助pandas/PyArrow等库）

当然可以！不用绕路经过pandas或者PyArrow，DuckDB的Python API本身就支持直接从字典生成关系对象，给你两种实用的方法：

方法一：使用duckdb.from_dict()（推荐） #

这是最直接高效的方式，和你用Polars/pandas创建DataFrame的逻辑几乎一致，DuckDB会自动推断列的数据类型：

import duckdb

# 定义你的数据字典
my_data = {'a': [1, 2, 3], 'b': [4, 5, 6]}

# 直接转换为DuckDBPyRelation
rel = duckdb.from_dict(my_data)

# 查看结果
rel.show()

执行后你会得到类似这样的输出：

┌───────┬───────┐
│   a   │   b   │
│ int64 │ int64 │
├───────┼───────┤
│     1 │     4 │
│     2 │     5 │
│     3 │     6 │
└───────┴───────┘

生成的rel就是标准的DuckDBPyRelation对象，你可以直接对它执行各种SQL操作，比如过滤、聚合之类的：

# 示例：过滤a大于1的行
filtered_rel = rel.filter("a > 1")
filtered_rel.show()

方法二：构造VALUES子句查询（适合小数据集） #

如果是小体量的数据，你也可以手动构造SQL的VALUES子句来生成关系对象：

import duckdb

my_data = {'a': [1, 2, 3], 'b': [4, 5, 6]}

# 把字典里的行数据拼接成VALUES需要的格式
rows = ", ".join([f"({val_a}, {val_b})" for val_a, val_b in zip(my_data['a'], my_data['b'])])
# 构造查询语句
query = f"SELECT * FROM (VALUES {rows}) AS temp_table(a, b)"

# 执行查询得到关系对象
rel = duckdb.sql(query)

rel.show()

这种方法灵活性强，但数据量大的时候不如第一种方法方便，所以更适合快速测试小数据集的场景。

备注：内容来源于stack exchange，提问作者ignoring_gravity