[Python]Django 数据库数据的增删改查(三)

简介: [Python]Django 数据库数据的增删改查(三)

5.2.7 日期查询

  • 日期查询
  • year、month、day、week_day、hour、minute、second:对日期时间类型的属性进行运算。
# 查询1980年发表的图书
books = BookInfo.objects.filter(pub_date__year='1980')

# 查询1990年1月1日后发表的图书
books = BookInfo.objects.filter(pub_date__gt='1990-1-1')

注意:

日期的格式只能YYYY-MM-DD

5.3 F对象(两个属性进行比较)

之前的查询都是对象的属性与常量值比较,两个属性进行比较,使用F对象,F对象被定义在django.db.models中。

语法:

以filter为例

filter(字段名__运算符=F('字段名'))
from django.db.models import F
# 查询阅读量大于等于评论量的图书。
books = BookInfo.objects.filter(read_count__gt=F('comment_count'))

# 查询阅读量大于2倍评论量的图书。
books = BookInfo.objects.filter(read_count__gt=F('comment_count') * 2)

5.4 Q对象(逻辑或与非查询)

需要实现逻辑或or、逻辑与and、逻辑非not的查询,可以使用Q()对象结合|&~运算符,Q对象被义在django.db.models中。

语法:

Q(属性名__运算符=值)|Q(属性名__运算符=值)|Q(属性名__运算符=值)|···

5.4.1 逻辑与查询

Q对象可以使用&连接,&表示逻辑或。

from django.db.models import Q
# 查询阅读量大于20,并且编号小于3的图书。
# 方法一: 进行多次过滤得到结果
books = BookInfo.objects.filter(read_count__gt=20).filter(id__lt=3)
# 方法二:
books = BookInfo.objects.filter(read_count__gt=20, id__lt=3)
# 方法三:使用Q对象相与
books = BookInfo.objects.filter(Q(read_count__gt=20) & Q(id__lt=3))

5.4.2 逻辑或查询

逻辑或查询只能使用Q对象实现

Q对象可以使用|连接,|表示逻辑或。

# 查询阅读量大于20,或编号小于3的图书
books = BookInfo.objects.filter(Q(read_count__gt=20) | Q(id__lt=3))

5.4.3 逻辑非查询

Q对象前可以使用~操作符,表示逻辑非 not。

# 查询编号不等于3的图书。
books = BookInfo.objects.exclude(id=3)
books = BookInfo.objects.filter(~Q(id=3))

5.5 聚合函数

使用aggregate()过滤器调用聚合函数。

聚合函数包括:Avg平均,Count数量,Max最大,Min最小,Sum求和,被定义在django.db.models中。

语法:

aggregate(聚合函数('字段名'))

注意aggregate的返回值是一个字典类型,格式如下:

{'属性名__聚合类小写':值}
# 导入聚合函数
from django.db.models import Avg, Count, Max, Min, Sum
# 查询图书的总阅读量。
books = BookInfo.objects.aggregate(Sum('read_count'))

5.6 排序

使用order_by()对结果进行排序.

降序排序只需要在指定字段前加一个负号即可

# 根据评论数对所有图书的查询结果进行排序
# 默认升序
books = BookInfo.objects.all().order_by('comment_count')
# 降序
books = BookInfo.objects.all().order_by('-comment_count')

# 根据阅读数和id对所有图书的查询结果进行排序
# 阅读数升序,相同时按照id号升序排序
books = BookInfo.objects.all().order_by('read_count', 'id')
# 阅读数升序,相同时按照id号降序排序
books = BookInfo.objects.all().order_by('read_count', '-id')

5.7 关联查询

5.7.1 由一到多的访问

已知主表数据,关联查询从表数据。

语法:

使用系统内部自动生成的关联模型,关联模型类型小写_set Django会自动生成添加。

主表模型(实例对象).关联模型类型小写_set
# 查询书籍为1的所有人物信息
# 1. 查询id为1的书籍
book = BookInfo.objects.get(id=1)
# 2. 根据书籍关联任务信息
people = book.peopleinfo_set.all()

5.7.2 由多到一的访问

已知从表数据,关联查询主表数据。

语法:

从表模型(实例对象).从表模型中的外键属性
• 1
from book.models import PeopleInfo
# 查询人物为1的书籍信息
# 1. 查询id为1的人物信息
person = PeopleInfo.objects.get(id=1)
# 2. 根据人物信息获取人物对应的书籍信息
book = person.book

5.7.3 关联查询的筛选

系统内部自动生成的关联模型,Django会自动生成添加从表模型作为主表模型类的属性。

# 查询图书,要求图书任务为“郭靖”
# 需要查询的为书籍信息,已知条件为人物信息
# 需要查询的为主表信息,已知条件为从表信息
# 语法:
# filter(关联从表模型类名小写__字段名__运算符=值)
book = BookInfo.objects.filter(peopleinfo__name__exact='郭靖')
# 简写
book = BookInfo.objects.filter(peopleinfo__name='郭靖')

# 查询图书,要求图书中人物的描述包含"八"
book = BookInfo.objects.filter(peopleinfo__description__contains='

从表模型中有一个外键属性

# 需要查询的为人物信息,已知条件为书籍信息
# 需要查询的为从表信息,已知条件为主表信息
# 语法:
# filter(外键__字段名__运算符=值)
# 查询书名为“天龙八部”的所有人物
people = PeopleInfo.objects.filter(book__name__exact='天龙八部')
# 简写
people = PeopleInfo.objects.filter(book__name='天龙八部')
# 查询图书阅读量大于30的所有人物
people = PeopleInfo.objects.filter(book__read_count__gt=30)

5.8 查询集QuerySet

查询集,也称查询结果集(QuerySet),表示从数据库中获取的对象集合。

当调用如下过滤器方法时,Django会返回查询集(而不是简单的列表):

  • all():返回所有数据。
  • filter():返回满足条件的数据。
  • exclude():返回满足条件之外的数据。
  • order_by():对结果进行排序。

5.8.1 查询集的特性

  1. 惰性执行
  • 创建查询集不会访问数据库,直到调用查询的数据时,才会访问数据库查询数据。
  1. 缓存
  • 使用同一个查询集,第一次使用时会发生数据库的查询,然后Django会把结果缓存下来,再次使用这个查询集时会使用缓存的数据,减少了数据库的查询次数。
  • 如果两个查询集无法重用缓存,每次查询都会与数据库进行一次交互,增加了数据库的负载。
  • 经过存储后,可以重用查询集,第二次使用缓存中的数据,减少了数据库的查询次数。

5.8.2 限制查询结果集

查询结果集可以看成一个列表,可以对查询集进行下标取值或切片操作。等同于sql中的limit和offset子句。

注意:不支持负数索引。

5.8.3 分页

导入分页模块:

from django.core.paginator import Paginator
from django.core.paginator import Paginator
# 查询结果集
books = BookInfo.objects.all()
# 对查询结果集进行分类
# 需要两个参数
# object_list:需要进行分页的结果集/列表
# per_page:每页多少条记录
# 对books进行分页,每页两条记录
p = Paginator(books, 2)
# 获取第一页的数据
# 返回结果看成列表
# object_list获取分页后的结果集
books_page = p.page(1).object_list

获取每页对应的数据集,得到的为一个Page对象,object_list获取数据集


相关文章
|
1月前
|
存储 监控 API
Python实战:跨平台电商数据聚合系统的技术实现
本文介绍如何通过标准化API调用协议,实现淘宝、京东、拼多多等电商平台的商品数据自动化采集、清洗与存储。内容涵盖技术架构设计、Python代码示例及高阶应用(如价格监控系统),提供可直接落地的技术方案,帮助开发者解决多平台数据同步难题。
|
1月前
|
存储 JSON 算法
Python集合:高效处理无序唯一数据的利器
Python集合是一种高效的数据结构,具备自动去重、快速成员检测和无序性等特点,适用于数据去重、集合运算和性能优化等场景。本文通过实例详解其用法与技巧。
96 0
|
15天前
|
数据采集 数据可视化 数据挖掘
阿里云瑶池数据库 Data Agent,数据安全,分析准确,让数据更有价值!
Data Agent 是阿里云瑶池数据库推出的智能数据体产品,融合 Data+AI 与 Agentic AI 技术,覆盖数据全生命周期。支持多源数据接入,可自主规划分析任务、生成代码并输出可视化洞察报告,让业务人员零门槛获取专业级分析结果,助力企业高效实现数据驱动决策。
|
20天前
|
JSON API 数据安全/隐私保护
Python采集淘宝评论API接口及JSON数据返回全流程指南
Python采集淘宝评论API接口及JSON数据返回全流程指南
|
23天前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
28天前
|
人工智能 Java 关系型数据库
使用数据连接池进行数据库操作
使用数据连接池进行数据库操作
67 11
|
1月前
|
数据可视化 大数据 数据挖掘
基于python大数据的招聘数据可视化分析系统
本系统基于Python开发,整合多渠道招聘数据,利用数据分析与可视化技术,助力企业高效决策。核心功能包括数据采集、智能分析、可视化展示及权限管理,提升招聘效率与人才管理水平,推动人力资源管理数字化转型。
|
11月前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
315 0
|
11月前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
226 2
|
11月前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
223 2

热门文章

最新文章

推荐镜像

更多