DolphinDB脚本语言：从入门到精通

七夜zippoe2026-04-17 9:11

目录

    • 摘要
    • 一、语言概述
      • [1.1 DolphinDB脚本语言特点](#1.1 DolphinDB脚本语言特点)
      • [1.2 与其他语言对比](#1.2 与其他语言对比)
    • 二、变量与数据类型
      • [2.1 变量定义](#2.1 变量定义)
      • [2.2 标量类型](#2.2 标量类型)
      • [2.3 向量（Vector）](#2.3 向量（Vector）)
      • [2.4 矩阵（Matrix）](#2.4 矩阵（Matrix）)
      • [2.5 字典（Dictionary）](#2.5 字典（Dictionary）)
    • 三、运算符
      • [3.1 算术运算符](#3.1 算术运算符)
      • [3.2 比较运算符](#3.2 比较运算符)
      • [3.3 逻辑运算符](#3.3 逻辑运算符)
      • [3.4 向量化运算](#3.4 向量化运算)
    • 四、控制流
      • [4.1 条件语句](#4.1 条件语句)
      • [4.2 循环语句](#4.2 循环语句)
      • [4.3 向量化替代循环](#4.3 向量化替代循环)
    • 五、函数
      • [5.1 内置函数](#5.1 内置函数)
      • [5.2 自定义函数](#5.2 自定义函数)
      • [5.3 匿名函数与高阶函数](#5.3 匿名函数与高阶函数)
      • [5.4 函数应用示例](#5.4 函数应用示例)
    • 六、SQL查询
      • [6.1 基本查询](#6.1 基本查询)
      • [6.2 聚合查询](#6.2 聚合查询)
      • [6.3 连接查询](#6.3 连接查询)
      • [6.4 窗口函数](#6.4 窗口函数)
    • 七、模块化编程
      • [7.1 模块定义](#7.1 模块定义)
      • [7.2 模块使用](#7.2 模块使用)
    • 八、错误处理
      • [8.1 try-catch](#8.1 try-catch)
      • [8.2 断言](#8.2 断言)
    • 九、最佳实践
      • [9.1 代码风格](#9.1 代码风格)
      • [9.2 性能优化](#9.2 性能优化)
      • [9.3 代码示例](#9.3 代码示例)
    • 十、总结
    • 参考资料

摘要

本文系统讲解DolphinDB脚本语言的核心语法和编程技巧。从变量定义、数据类型到函数定义、控制流语句，逐步带领读者掌握DolphinDB脚本编程。重点介绍向量化计算、自定义函数、模块化编程等高级特性，并提供大量工业物联网场景的代码示例。本文适合需要在DolphinDB上进行数据分析和应用开发的工程师阅读。

一、语言概述

1.1 DolphinDB脚本语言特点

DolphinDB脚本语言是一门专为数据分析设计的领域特定语言（DSL），具有以下特点：
语言特点
向量化计算
高效处理批量数据
SQL集成
脚本中直接写SQL
函数式编程
高阶函数支持
动态类型
灵活的类型系统
分布式计算
自动并行化

1.2 与其他语言对比

特性 DolphinDB Python SQL
向量化计算 ✅ 原生支持 ✅ NumPy ❌
SQL语法 ✅ 内置 ❌ ✅
分布式计算 ✅ 原生 ⚠️ 需框架 ⚠️ 需扩展
时序函数 ✅ 丰富 ⚠️ 需库 ⚠️ 有限
学习曲线 ⭐⭐⭐ ⭐⭐⭐⭐ ⭐⭐

二、变量与数据类型

2.1 变量定义

python 复制代码 
// 基本变量定义
a = 10                    // 整数
b = 3.14                  // 浮点数
c = "Hello DolphinDB"     // 字符串
d = true                  // 布尔值
e = 2024.01.15            // 日期
f = now()                 // 时间戳

// 查看变量类型
typestr(a)  // "INT"
typestr(b)  // "DOUBLE"
typestr(c)  // "STRING"
typestr(d)  // "BOOL"

// 常量定义（不可修改）
def PI = 3.14159265

2.2 标量类型

类型 示例 说明
BOOL true, false 布尔值
CHAR 'a', 97c 字符
SHORT 100h 短整数
INT 100 整数
LONG 100l 长整数
FLOAT 3.14f 单精度浮点
DOUBLE 3.14 双精度浮点
STRING "hello" 字符串
SYMBOL syma` 符号
DATE 2024.01.15 日期
TIMESTAMP 2024.01.15T10:30:00 时间戳

2.3 向量（Vector）

向量是DolphinDB最基本的数据结构：

python 复制代码 
// 创建向量
v1 = 1..10                    // 1到10的整数向量
v2 = rand(100.0, 10)          // 10个随机浮点数
v3 = `A`B`C`D`E               // 字符串向量
v4 = true false true true     // 布尔向量

// 向量操作
v1 + 10                       // 向量加常数：[11,12,13,...,20]
v1 * 2                        // 向量乘常数：[2,4,6,...,20]
v1 + v1                       // 向量相加：[2,4,6,...,20]

// 向量函数
sum(v1)                       // 求和：55
avg(v1)                       // 平均值：5.5
max(v1)                       // 最大值：10
min(v1)                       // 最小值：1
size(v1)                      // 元素个数：10

// 向量索引（从0开始）
v1[0]                         // 第一个元素：1
v1[-1]                        // 最后一个元素：10
v1[0:5]                       // 前5个元素：[1,2,3,4,5]
v1[[0,2,4]]                   // 取第0,2,4个元素

2.4 矩阵（Matrix）

python 复制代码 
// 创建矩阵
m1 = matrix(1..12).reshape(3,4)    // 3x4矩阵
m2 = 1..12$3:4                      // 简写形式

// 矩阵运算
m1 + 10                        // 矩阵加常数
m1 * 2                         // 矩阵乘常数
m1 + m1                        // 矩阵相加
m1 @ transpose(m1)             // 矩阵乘法

// 矩阵索引
m1[0,]                         // 第一行
m1[,0]                         // 第一列
m1[0:2, 1:3]                   // 子矩阵

2.5 字典（Dictionary）

python 复制代码 
// 创建字典
d = dict(STRING, ANY)
d[`name] = "DolphinDB"
d[`version] = "2.00.11"
d[`users] = 1000

// 或使用键值对创建
d = dict(`name`version`users, ["DolphinDB", "2.00.11", 1000])

// 访问字典
d[`name]                      // "DolphinDB"
d.keys()                      // 获取所有键
d.values()                    // 获取所有值
d.hasKey(`name)               // 检查键是否存在

三、运算符

3.1 算术运算符

运算符 说明 示例
+ 加法 1 + 2 → 3
- 减法 5 - 3 → 2
* 乘法 3 * 4 → 12
/ 除法 10 / 3 → 3.333...
\ 整除 10 \ 3 → 3
% 取模 10 % 3 → 1
^ 幂运算 2 ^ 3 → 8

3.2 比较运算符

运算符 说明 示例
== 等于 1 == 1 → true
!= 不等于 1 != 2 → true
< 小于 1 < 2 → true
<= 小于等于 1 <= 1 → true
> 大于 2 > 1 → true
>= 大于等于 2 >= 2 → true

3.3 逻辑运算符

python 复制代码 
// 逻辑运算
true and false               // false
true or false                // true
not true                     // false

// 短路运算
1 < 2 and 2 < 3              // true
1 < 2 or 2 > 3               // true

// 向量逻辑运算
v = 1..10
v > 5                        // [false,false,false,false,false,true,true,true,true,true]
v >= 5 and v <= 8            // [false,false,false,false,true,true,true,true,false,false]

3.4 向量化运算

DolphinDB的核心优势是向量化计算：

python 复制代码 
// 向量运算自动应用到每个元素
v = 1..10
v * 2                        // [2,4,6,8,10,12,14,16,18,20]
v ^ 2                        // [1,4,9,16,25,36,49,64,81,100]

// 条件运算
v > 5                        // 返回布尔向量
v[v > 5]                     // 过滤：[6,7,8,9,10]

// 向量间运算
a = 1..5
b = 6..10
a + b                        // [7,9,11,13,15]
a * b                        // [6,14,24,36,50]

四、控制流

4.1 条件语句

python 复制代码 
// if-else语句
x = 10
if (x > 5) {
    print("x大于5")
} else {
    print("x不大于5")
}

// 多条件判断
score = 85
if (score >= 90) {
    grade = "A"
} else if (score >= 80) {
    grade = "B"
} else if (score >= 70) {
    grade = "C"
} else if (score >= 60) {
    grade = "D"
} else {
    grade = "F"
}
print("成绩等级: " + grade)

// 三元运算符
result = x > 5 ? "大于5" : "不大于5"

4.2 循环语句

python 复制代码 
// for循环
for (i in 1..5) {
    print(i)
}

// 遍历向量
devices = `device1`device2`device3
for (device in devices) {
    print("设备: " + device)
}

// while循环
i = 0
while (i < 5) {
    print(i)
    i += 1
}

// do-while循环
i = 0
do {
    print(i)
    i += 1
} while (i < 5)

// break和continue
for (i in 1..10) {
    if (i == 3) continue    // 跳过3
    if (i == 7) break       // 到7停止
    print(i)
}

4.3 向量化替代循环

DolphinDB推荐使用向量化操作替代循环：

python 复制代码 
// 不推荐：使用循环计算
result = array(DOUBLE, 0)
for (i in 1..10000) {
    result.append!(i * 2)
}

// 推荐：向量化计算
result = 1..10000 * 2       // 快100倍以上

五、函数

5.1 内置函数

DolphinDB内置1400+函数，涵盖各类数据处理需求：

python 复制代码 
// 数学函数
abs(-10)                     // 绝对值：10
sqrt(16)                     // 平方根：4
log(100)                     // 自然对数
log10(100)                   // 以10为底的对数：2
exp(1)                       // e的幂次方
round(3.14159, 2)           // 四舍五入：3.14
floor(3.9)                   // 向下取整：3
ceil(3.1)                    // 向上取整：4

// 统计函数
v = rand(100.0, 1000)
mean(v)                      // 平均值
std(v)                       // 标准差
var(v)                       // 方差
median(v)                    // 中位数
quantile(v, 0.95)            // 95%分位数

// 字符串函数
s = "Hello DolphinDB"
len(s)                       // 长度：14
upper(s)                     // 大写
lower(s)                     // 小写
substr(s, 0, 5)              // 子串：Hello
split(s, " ")                // 分割
trim("  hello  ")            // 去空格

// 时间函数
now()                        // 当前时间戳
today()                      // 今天日期
year(now())                  // 年份
month(now())                 // 月份
day(now())                   // 日期
hour(now())                  // 小时
minute(now())                // 分钟
second(now())                // 秒

5.2 自定义函数

python 复制代码 
// 基本函数定义
def add(a, b) {
    return a + b
}
add(1, 2)                    // 3

// 带默认参数的函数
def greet(name, greeting="Hello") {
    return greeting + ", " + name + "!"
}
greet("DolphinDB")           // "Hello, DolphinDB!"
greet("DolphinDB", "Hi")     // "Hi, DolphinDB!"

// 多返回值函数
def stats(v) {
    return avg(v), max(v), min(v)
}
a, m, n = stats(1..100)

// 递归函数
def factorial(n) {
    if (n <= 1) return 1
    return n * factorial(n - 1)
}
factorial(5)                 // 120

5.3 匿名函数与高阶函数

python 复制代码 
// 匿名函数
f = def (x) { return x * 2 }
f(10)                        // 20

// 高阶函数：each
each(def (x) { return x * 2 }, 1..5)    // [2,4,6,8,10]

// 高阶函数：eachLeft
eachLeft(add, 1..3, 10)      // [11,12,13]

// 高阶函数：eachRight
eachRight(add, 10, 1..3)     // [11,12,13]

// 高阶函数：reduce
reduce(def (x, y) { return x + y }, 1..10)   // 55

// 高阶函数：accumulate
accumulate(def (x, y) { return x + y }, 1..5)  // [1,3,6,10,15]

5.4 函数应用示例

python 复制代码 
// 工业物联网场景：设备状态判断
def getDeviceStatus(temperature, humidity, pressure) {
    // 温度异常判断
    tempStatus = iif(temperature > 35, "高温警告",
               iif(temperature < 10, "低温警告", "正常"))
    
    // 湿度异常判断
    humidStatus = iif(humidity > 80, "高湿警告",
                iif(humidity < 30, "低湿警告", "正常"))
    
    // 压力异常判断
    pressStatus = iif(pressure > 1020, "高压警告",
                iif(pressure < 980, "低压警告", "正常"))
    
    // 综合判断
    if (tempStatus != "正常" or humidStatus != "正常" or pressStatus != "正常") {
        return "异常"
    }
    return "正常"
}

// 应用函数
getDeviceStatus(38.5, 50.0, 1010.0)   // "异常"（高温）
getDeviceStatus(25.0, 50.0, 1010.0)   // "正常"

六、SQL查询

6.1 基本查询

python 复制代码 
// 创建测试表
t = table(1..100 as device_id,
          take(`A`B`C`D, 100) as location,
          rand(20..35, 100) as temperature,
          rand(40..70, 100) as humidity,
          2024.01.01 + rand(30, 100) as date)

// 基本查询
select * from t limit 10

// 条件查询
select * from t where temperature > 30

// 排序
select * from t order by temperature desc

// 去重
select distinct location from t

6.2 聚合查询

python 复制代码 
// 分组聚合
select location,
       count(*) as device_count,
       avg(temperature) as avg_temp,
       max(temperature) as max_temp,
       min(temperature) as min_temp
from t
group by location

// 多列分组
select location, date,
       count(*) as count,
       avg(temperature) as avg_temp
from t
group by location, date

// having子句
select location, avg(temperature) as avg_temp
from t
group by location
having avg(temperature) > 27

// 多聚合函数
select location,
       sum(temperature) as sum_temp,
       avg(temperature) as avg_temp,
       std(temperature) as std_temp,
       max(temperature) as max_temp,
       min(temperature) as min_temp
from t
group by location

6.3 连接查询

python 复制代码 
// 创建关联表
devices = table(1..10 as device_id, `device` + string(1..10) as device_name)
readings = table(1 1 2 2 3 3 as device_id,
                 now() + 1..6 as timestamp,
                 rand(20..30, 6) as temperature)

// 左连接
select r.device_id, d.device_name, r.timestamp, r.temperature
from readings r
left join devices d on r.device_id = d.device_id

// 内连接
select * from lj(readings, devices, `device_id)

// 全连接
select * from fj(readings, devices, `device_id)

6.4 窗口函数

python 复制代码 
// 排名函数
select device_id, temperature,
       rank() over (order by temperature desc) as temp_rank,
       dense_rank() over (order by temperature desc) as dense_rank,
       row_number() over (order by temperature desc) as row_num
from t

// 分区窗口函数
select device_id, date, temperature,
       rank() over (partition by date order by temperature desc) as daily_rank
from t

// 移动窗口
select device_id, temperature,
       mavg(temperature, 3) over (order by device_id) as moving_avg,
       msum(temperature, 5) over (order by device_id) as moving_sum
from t

七、模块化编程

7.1 模块定义

python 复制代码 
// 文件: modules/iot_utils.dos

// 模块声明
module iot_utils

// 设备状态判断函数
def getDeviceStatus(temperature, humidity, pressure) {
    tempStatus = iif(temperature > 35, "高温警告",
               iif(temperature < 10, "低温警告", "正常"))
    humidStatus = iif(humidity > 80, "高湿警告",
                iif(humidity < 30, "低湿警告", "正常"))
    pressStatus = iif(pressure > 1020, "高压警告",
                iif(pressure < 980, "低压警告", "正常"))
    
    if (tempStatus != "正常" or humidStatus != "正常" or pressStatus != "正常") {
        return "异常"
    }
    return "正常"
}

// 温度单位转换
def celsiusToFahrenheit(celsius) {
    return celsius * 9 / 5 + 32
}

def fahrenheitToCelsius(fahrenheit) {
    return (fahrenheit - 32) * 5 / 9
}

// 数据质量检查
def checkDataQuality(t) {
    return select count(*) as total,
                  sum(iif(temperature is null, 1, 0)) as null_temp,
                  sum(iif(temperature < 0 or temperature > 100, 1, 0)) as invalid_temp
           from t
}

7.2 模块使用

python 复制代码 
// 加载模块
use iot_utils

// 使用模块中的函数
status = getDeviceStatus(38.5, 50.0, 1010.0)
print(status)  // "异常"

fahrenheit = celsiusToFahrenheit(25.0)
print(fahrenheit)  // 77.0

// 检查数据质量
t = table(1..100 as device_id,
          rand(20..30, 100) as temperature,
          rand(40..60, 100) as humidity)
checkDataQuality(t)

八、错误处理

8.1 try-catch

python 复制代码 
// 基本错误处理
try {
    result = 1 / 0
} catch(ex) {
    print("错误: " + ex)
}

// 带finally
try {
    conn = connect("localhost", 8848)
    // 执行操作
} catch(ex) {
    print("连接失败: " + ex)
} finally {
    // 清理资源
    if (not isVoid(conn)) conn.close()
}

8.2 断言

python 复制代码 
// 断言检查
def divide(a, b) {
    assert(b != 0, "除数不能为0")
    return a / b
}

divide(10, 2)   // 5
divide(10, 0)   // 抛出异常

九、最佳实践

9.1 代码风格

规范 说明 示例
变量命名 小驼峰或下划线 deviceId 或 device_id
函数命名 动词开头 getDeviceStatus
常量命名 全大写 MAX_RETRY_COUNT
注释 说明复杂逻辑 // 计算设备健康度

9.2 性能优化

性能优化
向量化优先
避免循环
批量操作
内存管理
使用向量运算
使用each/eachLeft等
批量插入数据
及时释放大变量

9.3 代码示例

python 复制代码 
// 推荐：向量化计算
def calculateHealthScore(temperature, humidity, pressure) {
    // 向量化计算，高效处理批量数据
    tempScore = 100 - abs(temperature - 25) * 2
    humidScore = 100 - abs(humidity - 50) * 0.5
    pressScore = 100 - abs(pressure - 1013) * 0.1
    
    return (tempScore + humidScore + pressScore) / 3
}

// 应用到整列
t = table(rand(20..30, 1000) as temperature,
          rand(40..60, 1000) as humidity,
          rand(1000..1020, 1000) as pressure)
          
t[`healthScore] = calculateHealthScore(t.temperature, t.humidity, t.pressure)

十、总结

本文系统介绍了DolphinDB脚本语言的核心语法。核心要点如下：

  1. 数据类型：标量、向量、矩阵、字典等丰富类型
  2. 运算符：算术、比较、逻辑运算符，支持向量化
  3. 控制流：if-else、for、while等控制语句
  4. 函数：内置函数、自定义函数、高阶函数
  5. SQL查询：完整的SQL语法支持
  6. 模块化：代码组织和复用

思考题：

  1. 如何使用向量化操作替代循环以提升性能？
  2. 如何设计可复用的模块化函数库？
  3. 在工业物联网场景中，如何利用脚本语言处理实时数据？

参考资料

相关推荐
IT_陈寒1 小时前
SpringBoot这个"自动配置"差点让我加班到凌晨
前端·人工智能·后端
小陈同学呦1 小时前
从一个文件上传功能聊聊后端架构中的设计原则
后端
二月龙1 小时前
小程序与H5的核心区别：沙箱环境、双线程架构
后端
鱼人2 小时前
突破 2MB 瓶颈：小程序分包加载与性能优化实战
后端
码界奇点2 小时前
基于Spring Boot的插件化微服务热更新系统设计与实现
spring boot·后端·微服务·架构·毕业设计·源代码管理
Predestination王瀞潞2 小时前
Java EE3-我独自整合（第五章：Spring AOP 介绍与入门案例）
java·后端·spring·java-ee
小江的记录本2 小时前
【 AI工程化】AI工程化：MLOps、大模型全生命周期管理、大模型安全（幻觉、Prompt注入、数据泄露、合规）
java·人工智能·后端·python·机器学习·ai·架构
码界奇点2 小时前
基于Spring Boot与Vue的教务管理系统设计与实现
vue.js·spring boot·后端·java-ee·毕业设计·源代码管理
Ares-Wang2 小时前
flask》》Blueprint 蓝图
后端·python·flask
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点032026 年 AI 编程助手全面对比评测：Cursor vs Copilot vs Claude Code vs GitHub Copilot Free04一周AI热点速览（2026.03.31-04.06）：GPT-6曝光、谷歌开源Gemma 4、资本狂飙与模型军备竞赛05GPT-6发布日深度解析-Symphony架构200万Token实战06基于 Docker 部署 Hermes Agent 并接入飞书机器人的完整指南07AI Weekly | 2026年4月第二周 · GitHub热门项目与AI发展趋势深度解析08GPT-6核心能力解析及与现有主流大模型对比09零成本！Ollama本地部署国产大模型全指南（支持Kimi-K2.5/GLM-5/Qwen，新手秒上手）10从限购到畅通：GLM-5.1 Coding Plan接入攻略