Python全栈 Web(Django框架、模型中的CRUD)

简介: Flask、Python、Django、框架、服务器、客户端、浏览器、交互、WEB、Python前端、CSS、JAVA、HTML、H5、PHP、JavaScript、JQuery、分布式开发、项目、flask项目、项目实战、django框架、Python项目、Python的Flask框架、Pytho...
模型中的CRUD
    增加数据:
        1.Entry.objects.create(属性1=值, 属性2=值,...)
          返回值:
            创建好的模型对象

def add_views(request):
    # 三种增加方式
    # 1.Entry.objects.create()
    obj = Author.objects.create(name="Paris", age=18, email="wei8023@gmail.com")
    print(obj.id, obj.name, obj.age, obj.email)

        2.创建一个Entry对象 并通过save() 进行保存
          obj = Entry(属性1=值1, ..)
          obj.属性 = 值
          obj.save()
          没有返回值  保存成功后obj会被重新赋值

    # 2.obj.save()
    obj = Author(name="王大锤", age=32, email="laowang@email.com")
    obj.save()
    print(obj.id, obj.name, obj.age, obj.email)

        3.使用字典构建成对象 并通过save()保存
          dic = {
            "属性1": "值1"
            ...
          }
          obj = Entry(**dic)
          obj.save()

    # 3. obj.save()
    dic = {
        "name": "wangdacui",
        "age": 33,
        "email": "wang@qq.com",
    }
    obj = Author(**dic)
    obj.save()
    print(obj.id, obj.name, obj.age, obj.email)
    return HttpResponse("OK")

    查询数据:
        所有的查询 通过Entry.objects 调用查询接口函数
        Entry.objects.filter()
        所有的查询接口 都可以通过一个query属性来得到对应的sql语句
        Entry.objects.filter().query

        基本查询操作:
            all()
                Entry.objects.all()
                返回queryset(查询结果集,是一个封装了若干个对象的列表)


def query_views(request):
    # all()  查询所有Author实体中所用的数据
    authors = Author.objects.all()
    print(authors.query)
    print(authors)

    # 循环遍历authors得到每一个数据
    for author in authors:
        print(author.id, author.name, author.email)

        查询返回指定列:
            values()|values("字段1", "字段2"...)
                Entry.objects.values()
                Entry.objects.values("name", "age")
                查询一个queryset中的部分列  并风封装成字典 再放到列表中
                也允许将values放在其返回查询结果集的后面

    # 查询部分列
    names = Author.objects.values("name")
    for name in names:
        print(name["name"])
    print(names)

    # 在查询所有结果的基础上进行筛选
    names = Author.objects.all().values("name")
    for name in names:
        print(name["name"])

        查询返回指定列:
            values_list()
                将结果封装到元祖中在封装到列表中返回
                用法同values


    # 将查询结果封装到元组再封装到列表中
    authors = Author.objects.values_list()
    for author in authors:
        print(author[0], author[2])

        只查询一条数据:
            get(条件)
                查询只返回一条数据
                Entry.objects.get(条件)
                如果查询结果为空或者查询结果不是一条记录都会抛异常

    # 只查询一条数据
    author = Author.objects.get(id=1)
    print(author)

        查询部分行数据:
            filter(条件1, 条件2,...)
                Entry.objects.filter(条件)
                使用逗号隔开表示使用and链接方式查询
                Author.objects.filter(id=1, name="Paris")

# filter根据条件筛选 authors = Author.objects.filter(id=1) print(authors.query) print(authors) # and方式查询 author = Author.objects.filter(id=2, name="Paris").values() print(author)

                在条件查询中 Django提供了若干个查询谓词(Field Looups)
                可以完成非等值条件的查询
                Entry.objects.filter(属性__查询谓词=值)
                所有支持条件查询的地方都可以写谓词
                filter(),get(),exclude()

    # 查询所有age大于30的author信息
    authors = Author.objects.filter(age__gt=30).values()
    print(authors)
    # 查询所有姓王的author信息
    authors = Author.objects.filter(name__startswith="王").values()
    print(authors)
    # 查询所有email中包含wang的author信息
    authors = Author.objects.filter(email__contains="wang")
    print(authors)

    对条件去反:
            exclude(条件)
            对现有条件进行取反操作查询
            Entry.objects.exclude(条件)

    # 对条件取反操作  查询年龄小于30的
    author = Author.objects.exclude(age__gt=30).valuea()
    

        聚合查询(无分组):
            aggregate()
            Entry.objects.all().aggregate(名=聚合函数("字段")
            集合函数:
                Avg()    平均值
                Count()  数量
                Sum()    求和
                Min()    求最小
                Max()    求最大

    # 聚合函数
    result = Author.objects.all().aggregate(avg=Avg("age"))
    print(result)

        聚合查询(有分组)
            annotate()
            Entry.objects.all().values("字段1", ...).annotate(字段=聚合函数()).values('字段1'...)
            第一个values是用于做聚合分组 第二个是具体筛选的值

    # 分组聚合
    result = Author.objects.values("isActive").annotate(sum=Sum("age")).filter(isActive=True).all()
    print(result)

        排序查询:
            order_by()
            Entry.objects.order_by("字段1", "字段2")
            默认升序  以列1进行排序 如果列1出现重复以列2进行排序
            降序排序在列明前加"-"号

    # 排序查询
    result = Author.objects.order_by("-id")
    for re in result:
        print(re)

    修改单个实体:
        1.查
          通过get()得到要修改的实体对象
        2.改
          通过对象的属性来修改对象的值
        3.保存
          通过对象的save()保存会数据库

def update1_views(request):
    # # 修改ID为2 的author信息
    au = Author.objects.get(id=2)
    au.age = 33
    au.email = "baidu@163.com"
    au.isActive = False
    au.save()

    批量修改:
        调用 QuerySet的update(属性=值, 属性=值) 实现批量修改

    # 将isActive为False的数据  全部改为True
    Author.objects.filter(isActive=False).update(isActive=True)

    删除:
        调用实体对象或查询结果集的delete()就可以删除

    # 删除
    author = Author.objects.get(id=1)
    author.delete()

    author = Author.objects.filter(name="Paris")
    author.delete()

        一般情况下很少有删除都是利用改变某个字段的状态来达到删除的效果

    author = Author.objects.get(id=id)
    # 通过修改状态模拟删除
    author.isActive = False
    author.save()

       django转发与重定向的区别  转发:相当只有一个路由最终的结果是由一个视图函数处理
           另一个视图只是做了一个调用另个函数的作用   
           重定向是访问 两个路由  分别由两个视图进行处理 
           转发不会改变url 只有一个请求  重定向会改变url  有两次请求

    # 转发
    # return query_all_views(request)

    # 重定向
    # return HttpResponseRedirect("/query_all")
    return redirect("/query_all")




相关文章
|
4天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python实现深度学习模型:智能舆情监测与分析
【8月更文挑战第16天】 使用Python实现深度学习模型:智能舆情监测与分析
22 1
|
4天前
|
机器学习/深度学习 JSON API
【Python奇迹】FastAPI框架大显神通:一键部署机器学习模型,让数据预测飞跃至Web舞台,震撼开启智能服务新纪元!
【8月更文挑战第16天】在数据驱动的时代,高效部署机器学习模型至关重要。FastAPI凭借其高性能与灵活性,成为搭建模型API的理想选择。本文详述了从环境准备、模型训练到使用FastAPI部署的全过程。首先,确保安装了Python及相关库(fastapi、uvicorn、scikit-learn)。接着,以线性回归为例,构建了一个预测房价的模型。通过定义FastAPI端点,实现了基于房屋大小预测价格的功能,并介绍了如何运行服务器及测试API。最终,用户可通过HTTP请求获取预测结果,极大地提升了模型的实用性和集成性。
14 1
|
6天前
|
算法 Ubuntu 机器人
DRAKE - 基于模型的机器人设计与验证 由丰田研究所支持的 C++ / Python 工具箱。
DRAKE - 基于模型的机器人设计与验证 由丰田研究所支持的 C++ / Python 工具箱。
17 1
|
1天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python实现深度学习模型:智能医疗影像识别与诊断
【8月更文挑战第19天】 使用Python实现深度学习模型:智能医疗影像识别与诊断
10 0
|
2天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python实现深度学习模型:智能娱乐与虚拟现实技术
【8月更文挑战第18天】 使用Python实现深度学习模型:智能娱乐与虚拟现实技术
5 0
|
3天前
|
机器学习/深度学习 数据采集 数据可视化
使用Python实现深度学习模型:智能城市交通管控与优化
【8月更文挑战第17天】 使用Python实现深度学习模型:智能城市交通管控与优化
3 0
|
4天前
|
SQL 前端开发 关系型数据库
Python之Web框架Django
Python之Web框架Django
8 0
|
5天前
|
SQL 关系型数据库 MySQL
如何创建 Django 模型
如何创建 Django 模型
8 0
|
5天前
|
设计模式 API Python
Python Web:Django、Flask和FastAPI框架对比
Python Web:Django、Flask和FastAPI框架对比
13 0
|
5天前
|
机器学习/深度学习 传感器 数据采集
使用Python实现深度学习模型:智能工业与工业4.0技术
【8月更文挑战第15天】 使用Python实现深度学习模型:智能工业与工业4.0技术
16 0