Como executar consultas SQL em um arquivo CSV sem banco de dados (2026 guide)

A versão curta: aponte o DuckDB para o arquivo.

duckdb -c "SELECT region, SUM(amount) FROM 'sales.csv' GROUP BY region"

Sem esquema, sem importação, sem servidor, sem CREATE TABLE. O CSV fica exatamente onde está e a linha de cabeçalho vira os nomes das colunas. Se você for instalar só uma coisa hoje, instale esta.

O resto desta página explica por que isso funciona, o que fazer quando você não pode usar o DuckDB e como lidar com as duas coisas que pegam todo mundo: as aspas no nome do arquivo e as colunas cujos nomes têm espaços.

Por que você não precisa carregar o arquivo em lugar nenhum

O instinto de «primeiro colocar os dados num banco» é um resquício do tempo em que os motores SQL só sabiam ler o próprio armazenamento. Os motores modernos não têm mais essa limitação. DuckDB, SQLite e várias ferramentas pequenas de linha de comando tratam um CSV como uma tabela durante uma única consulta, inferem os tipos por amostragem, respondem e esquecem tudo.

Isso muda a conta por completo. Uma pergunta pontual sobre um arquivo que chegou por e-mail não vale mais um esquema, um script de carga e uma etapa de limpeza. Vale uma linha.

Carregar num banco de verdade continua sendo a escolha certa em exatamente dois casos: os dados vão ser consultados repetidamente por mais de uma pessoa, ou precisam de restrições e relacionamentos que um único arquivo plano não consegue expressar. Nenhum dos dois descreve «qual é o total por região nesta exportação».

As opções, com honestidade

O ranking honesto é curto: DuckDB para quase tudo, SQLite quando você não pode instalar nada e um app de celular quando você não está num computador. Os outros são bons e têm seus momentos, mas nenhum supera o DuckDB nesta tarefa específica.

DuckDB, direito

A instalação é um único binário: brew install duckdb, ou baixe e coloque no seu path. Depois:

duckdb
D SELECT * FROM 'orders.csv' LIMIT 10;

Duas coisas para saber logo de cara:

O nome do arquivo precisa de aspas simples. FROM orders.csv é interpretado como um esquema chamado orders e uma tabela chamada csv, e a mensagem de erro não deixa isso claro. FROM 'orders.csv' é o certo.

Nomes de coluna com espaços precisam de aspas duplas. SELECT "Order Date" FROM …. Com aspas simples você recebe o texto literal, em silêncio, em todas as linhas, o que faz parecer que a consulta funcionou.

Use um glob para ler um diretório inteiro quando a exportação veio em partes mensais:

SELECT * FROM 'exports/*.csv'

Quando a inferência de tipos erra, geralmente numa coluna de IDs com zeros à esquerda ou em datas num formato que ela não reconhece, assuma o controle da leitura em vez de brigar com ela:

SELECT * FROM read_csv('orders.csv',
  header = true,
  columns = {'id': 'VARCHAR', 'ordered_at': 'DATE', 'amount': 'DOUBLE'},
  dateformat = '%d/%m/%Y'
)

O read_csv também aceita delim, quote, escape, ignore_errors = true e sample_size = -1 (varrer o arquivo inteiro antes de decidir os tipos, em vez das primeiras 20.480 linhas). Este último é a solução quando uma coluna parece numérica por dez mil linhas e depois encontra N/A.

Grave a resposta em arquivo sem sair do SQL:

COPY (SELECT * FROM 'orders.csv' WHERE amount > 1000)
TO 'large-orders.csv' (HEADER, DELIMITER ',');

E se o arquivo for consultado mais do que meia dúzia de vezes, converta-o uma vez com COPY (SELECT * FROM 'orders.csv') TO 'orders.parquet' e consulte o Parquet. Ele tem tipos, é comprimido e costuma ser de cinco a vinte vezes mais rápido de varrer.

SQLite, quando você não pode instalar nada

O sqlite3 já vem no macOS e na maioria das distribuições Linux, então esta é a opção que funciona numa máquina bloqueada.

sqlite3 shop.db
sqlite> .mode csv
sqlite> .import orders.csv orders
sqlite> SELECT region, COUNT(*) FROM orders GROUP BY region;

A pegadinha, e ela importa: o .import transforma toda coluna em TEXT. A ordenação passa a ser lexicográfica, então 100 vem antes de 20, e o SUM() dá surpresas. Faça o cast na consulta (CAST(amount AS REAL)) ou crie a tabela com tipos reais antes de importar.

Ao contrário do DuckDB, isso deixa um shop.db para trás, o que é bom se você quiser a tabela de novo amanhã e bagunça se não quiser.

q, para um pipeline de shell

Quando a consulta é um passo numa cadeia de comandos de shell, o q lê a entrada padrão como qualquer outra ferramenta Unix:

q -H -d, "SELECT region, SUM(amount) FROM - GROUP BY region" < orders.csv

-H indica que a primeira linha é cabeçalho, -d, define o delimitador e - é o stdin. Por baixo é SQLite, então o dialeto é o do SQLite. É também a opção razoável mais lenta num arquivo grande: tudo bem para algumas centenas de milhares de linhas, penoso além disso.

Quando o arquivo está no seu celular

Nada disso ajuda quando a exportação é um anexo no seu e-mail e você não está numa mesa. Isso acontece com frequência, e a resposta de sempre, «mande para você mesmo e olhe depois», é ruim.

CSV File Viewer - Smart CSViPhone e iPad · Android

Executa SQL de verdade no arquivo, no iOS e no Android, com um construtor visual de filtros para quando você prefere não digitar uma consulta no teclado do celular e um assistente em linguagem simples para quando você ainda não sabe os nomes das colunas.

O que ele faz

O dialeto é o do SQLite, então as consultas deste artigo se aplicam com as ressalvas de sempre: sem as funções de janela dos exemplos do DuckDB, e valem os mesmos hábitos com CAST.

Consultas para deixar à mão

O que tem neste arquivo:

SELECT * FROM 'file.csv' LIMIT 20;
DESCRIBE SELECT * FROM 'file.csv';
SELECT COUNT(*) FROM 'file.csv';

Onde estão os nulos, já que ir coluna por coluna é tedioso:

SELECT COUNT(*) - COUNT(email) AS missing_email,
       COUNT(*) - COUNT(phone) AS missing_phone
FROM 'contacts.csv';

Duplicatas numa chave:

SELECT id, COUNT(*) AS n
FROM 'orders.csv'
GROUP BY id HAVING n > 1
ORDER BY n DESC;

Juntar duas exportações é a consulta que mais justifica todo o exercício, porque fazer isso com PROCV entre duas planilhas é bem pior:

SELECT o.id, o.amount, c.name
FROM 'orders.csv' o
JOIN 'customers.csv' c ON c.id = o.customer_id;

Um total mensal a partir de uma coluna de datas:

SELECT date_trunc('month', ordered_at) AS month, SUM(amount)
FROM 'orders.csv'
GROUP BY month ORDER BY month;

Quando algo dá errado

Tudo veio numa coluna só. O delimitador não é vírgula; ponto e vírgula é o padrão em boa parte da Europa. read_csv('f.csv', delim = ';'). Se o arquivo for mais estranho que isso, ele pode estar realmente malformado e não apenas incomum.

Uma coluna numérica não soma. Ela foi inferida como texto porque aparece algo não numérico nela. Encontre o culpado com SELECT amount FROM 'f.csv' WHERE TRY_CAST(amount AS DOUBLE) IS NULL LIMIT 10;. Geralmente é um símbolo de moeda, um separador de milhar ou a string N/A.

Os zeros à esquerda sumiram. A coluna foi lida como número. Declare-a como VARCHAR em columns e não deixe uma planilha chegar perto dela depois.

A linha de cabeçalho se repete pelo arquivo. Várias exportações foram concatenadas. WHERE id <> 'id' é a correção grosseira e geralmente a correta.

Acabou a memória. O DuckDB processa em fluxo, então isso normalmente significa um ORDER BY ou um DISTINCT sobre o arquivo inteiro. Dê a ele um diretório temporário (SET temp_directory = '/tmp/duckdb') e ele passa a gravar em disco. Ou leia como abrir um arquivo CSV de 1 GB para a questão mais ampla do que dá conta de quê em grande escala.