数据查询
Datadata 支持三种查询方式：标准 SQL、DQL 脚本 和 Python 脚本。
工作流程
选择数据源 → 编写查询脚本 → 运行 → 查看结果 → 可视化
查询模式
| 模式 | 适用场景 | 特点 |
|---|---|---|
| SQL | 日常数据探索与分析 | 标准 SQL 语法，支持 WHERE、JOIN、GROUP BY 等子句 |
| DQL | 复杂数据处理流水线 | 基于 Starlark 的扩展脚本，DataFrame 操作、HTTP 请求等 |
| Python | 用真正的 Python 编写数据处理逻辑 | 真 Python 语法与标准库，Polars 风格 DataFrame、query() 取数、fetch() HTTP，沙箱执行 |
DQL 是 Datadata 的特色能力，支持丰富的数据处理函数，详见 DQL 查询脚本 章节。Python 脚本提供真正的 Python 语义与 Polars 风格 API，详见 Python 查询脚本 与 Python 语言参考。
查询引擎
- DuckDB — 默认引擎，支持跨数据源关联查询
- ClickHouse — 高性能时序引擎，适合大数据量分析
相关文档
- 查询编辑器 — 编辑器布局、数据源绑定、AI Copilot
- SQL 查询基础 — 常用 SQL 语法与示例
- Python 查询脚本 — 用 Python 编写查询与数据处理脚本
- 数据可视化 — 将查询结果转换为图表
- 结果查看与导出 — 表格、图表、NDJSON/CSV 导出
- DQL 查询脚本 — 完整 DQL 语言参考
- Python 语言参考 — Python 脚本内置类型与函数参考