第 59 天:Python Django 模型概述与应用

简介: 第 59 天:Python Django 模型概述与应用

今天来为大家介绍 Django 框架的模型部分,模型是真实数据的简单明确的描述,它包含了储存的数据所必要的字段和行为,Django 遵循 DRY Principle 。它的目标是你只需要定义数据模型,然后其它的杂七杂八代码你都不用关心,它们会自动从模型生成。


Django 模型


Django 中模型是真实数据的简单明确的描述,它包含了储存的数据所必要的字段和行为,在创建模型前需要先配置好数据库。Django 对各种数据库提供了很好的支持,包括:PostgreSQL、MySQL、SQLite、Oracle等,Django 为这些数据库提供了统一的调用 API。我们可以根据自己业务需求选择不同的数据库。


数据库配置


Python 内置 SQLite,所以你无需安装额外东西来使用它,在 TestProject 项目目录下,打开 TestProject/settings.py 配置文件, 已经配置了 SQLite 作为默认数据库。当然如果在真实项目中,我们可以换一个更具扩展性的数据库,如Mysql等。具体配置操作如下:


# TestProject/settings.py
# DatabaseDATABASES = {    'default': {        'ENGINE': 'django.db.backends.sqlite3',        'NAME': os.path.join(BASE_DIR, 'db.sqlite3'),    }}


配置说明:

  • ENGINE:数据库驱动,可选('django.db.backends.sqlite3','django.db.backends.postgresql','django.db.backends.mysql',或 'django.db.backends.oracle')
  • NAME:数据库的名称(这里使用的SQLite对应的是一个数据库文件路径)
  • USER:数据库登陆用户名
  • PASSWORD:数据库登陆密码
  • HOST:数据库所在主机连接地址(可以是域名或IP地址)
  • PORT:数据库所在主机服务端口号


创建模型


还是以我们之前创建的投票应用为基础,在这个应用中创建两个模型--Question和Choice。


  • Question(问题)中包含提问的内容和发布的时间两个字段。
  • Choice(选项)中包含针对问题的选项以及已投票数,每个问题可以有多个选项。

下面我们将以上模型描述通过编辑 polls/models.py 文件定义出来。


# polls/models.py
from django.db import models
class Question(models.Model):    question_text = models.CharField(max_length=200)    pub_date = models.DateTimeField('发布日期')
class Choice(models.Model):    question = models.ForeignKey(Question, on_delete=models.CASCADE)    choice_text = models.CharField(max_length=200)    votes = models.IntegerField(default=0)


这里有以下几点需要注意:


  1. 每个模型被定义为 django.db.models.Model 类的子类。


  1. 每个模型有一些类变量,它们都表示模型里的一个数据库字段。


  1. 每个字段都是 Field 类的实例,如 CharField 对应数据库中的字符串字段。


  1. 每个 Field 类实例变量的名字也是字段名,如 question_text,定义时需要遵循数据库字段规则。


  1. 实例变量的名字可以定义备注名,方便代码理解,如 pub_date = models.DateTimeField('发布日期')。


  1. 某些 Field 类实例定义时需要参数,还有一些可选参数,对应数据库表结构,如 CharField 类需要定义长度max_length。


  1. 使用 ForeignKey 可以定义表外键关联,如本例中用 ForeignKey 定义了每个 Choice 都要关联到一个 Question 对象上。



激活模型


通过配置上面 models.py 类中创建模型的代码,已经足够 Django 为我们创建数据库和相应表结构了,现在我们将 polls 应用安装到我们 TestProject 项目中。首先再次打开 TestProject/settings.py 配置文件,在配置类 INSTALLED_APPS 中添加 polls 应用的点式路径 'polls.apps.PollsConfig',配置完成如下所示:


# TestProject/settings.py
INSTALLED_APPS = [    'polls.apps.PollsConfig',   #新增polls路径    'django.contrib.admin',    'django.contrib.auth',    'django.contrib.contenttypes',    'django.contrib.sessions',    'django.contrib.messages',    'django.contrib.staticfiles',]

因为 PollsConfig 类写在文件 polls/apps.py 中,所以它的点式路径是 'polls.apps.PollsConfig'


保存配置并退出,然后运行 makemigrations 命令, Django 会检测你对模型文件的修改,并且把修改的部分储存为一次迁移(迁移是 Django 对于模型定义即你的数据库结构的变化的储存形式)。


$ python manage.py makemigrations pollsMigrations for 'polls':  polls/migrations/0001_initial.py    - Create model Question    - Create model Choice


执行成功后,就可以再执行 migrate 命令,将你在模型中定义的数据库修改同步到应用的数据库表结构上,执行结果如下:


$ python manage.py migrateOperations to perform:  Apply all migrations: pollsRunning migrations:  Applying polls.0001_initial... OK

数据库迁移操作被分解成生成和应用两个命令是为了让你能够在代码控制系统上提交迁移数据并使其能在多个应用里使用;这不仅仅会让开发更加简单,也给别的开发者和生产环境中的使用带来方便。


模型操作


对模型对象的操作,本质上就是数据库数据的操作。下面我们就通过对模型对象操作实现对数据库记录基本的CURD操作。


新增数据


编辑 TestProject 项目下polls/views.py 文件代码,通过访问URLQuestion 模型对应表中添加数据。


# polls/views.pyfrom django.shortcuts import render
# Create your views here.from django.http import HttpResponsefrom polls.models import Choice, Questionfrom django.utils import timezone
def index(request):    return HttpResponse("你好,这是一个投票页面。")
# 增加问题描述信息def add(request):    question = Question(question_text='双十一你在哪个平台剁手?',pub_date=timezone.now())    question.save();    return HttpResponse("新增投票成功!")

再编辑 polls/urls.py 文件代码,新增一条 add 的路由,代码如下:



# polls/urls.pyfrom django.urls import pathfrom . import views
urlpatterns = [    path('', views.index, name='index'),    path('add', views.add, name='add'),    #新增add路由]

保存后,通过 python manage.py runserver 127.0.0.1:8080 命令启动本地开发服务器,启动后在浏览器中输入URL地址 http://127.0.0.1:8080/polls/add ,会返回如下页面表示新增数据成功。


image.png



接下来我们再刷新下页面,这样就会再增加一条数据,然后我们把这两条记录查出来。


查询数据


Django 提供了多种方式来查询出数据库记录,如查询上面 Question 模型对应全部数据,某个id的数据以及通过多条件过滤得到所需要的数据。依然编辑 TestProject项目下 polls/views.py 文件,增加查询对应代码:


# polls/views.py# …… 省略部分代码
def query(request):    # 通过objects这个模型管理器的all()获得所有数据行,相当于SQL中的SELECT * FROM question    questionList = Question.objects.all()    # 获取单个对象    response2 = Question.objects.get(id=1)    # 相当于SQL中的WHERE id=1,可设置条件过滤    response3 = Question.objects.filter(id=1)    #根据id字段排序    response5 = Question.objects.order_by("id")
    res = ""    # 遍历所有对象    for q in questionList:        res += str(q.id) + "." + q.question_text + " <br />"    return HttpResponse("查询所有问题:<br />" + res)

再编辑 polls/urls.py 文件代码,新增一条 query 的路由,代码如下:


# polls/urls.pyfrom django.urls import pathfrom . import views
urlpatterns = [    path('', views.index, name='index'),    path('add', views.add, name='add'),      path('query', views.query, name='query'),  #新增的query路由]


然后再浏览器中输入 URL http://127.0.0.1:8080/polls/query ,看到如下图所求请求结果:


image.png


可以看到出现两条一样的记录,但是 id不同,不过这正符合我们的预期,下面我们将对第一条数据进行修改和删除。


修改数据和删除


修改和删除数据可以操作一条或多条记录,这取决于你的查询条件,再次编辑 TestProject 项目下 polls/views.py 文件,增加修改和删除对应代码:



# polls/views.py# …… 省略部分代码
#修改数据def update(request):    question1 = Question.objects.get(id=1)    question1.question_text = '天猫和京东你会选哪个?'    question1.save()
    # 通过条件过滤的方式也可以更新一条或多条数据    # Question.objects.filter(id=1).update(question_text='天猫和京东你会选哪个?')
    return HttpResponse("更新id=1:" + question1.question_text)
#删除数据def delete(request):    question2 = Question.objects.get(id=2)    question2.delete()
    # 通过条件过滤的方式也可以删除一条或多条数据    # Question.objects.filter(id=2).delete()
    # 删除所有数据    # Question.objects.all().delete()
    res3 = ''    questionList = Question.objects.all()    # 遍历所有对象    for q in questionList:        res3 += str(q.id) + "." + q.question_text + " <br />"    return HttpResponse("删除后查询:<br />" + res3)

再编辑 polls/urls.py 文件代码,新增一条 query 的路由,代码如下:



# polls/urls.pyfrom django.urls import pathfrom . import views
urlpatterns = [    path('', views.index, name='index'),    path('add', views.add, name='add'),      path('query', views.query, name='query'),     path('update', views.update, name='update'),  # 新增update路由    path('del', views.delete, name='del'),  # 新增del路由]

完成以上代码配置,我们就可以通过访问 URLhttp://127.0.0.1:8080/polls/update 实现第一条数据的更新操作,请求后返回页面如下:


image.png

好,更新成功后,我们再试下删除数据了,通过查看删除相关代码是把 id 为2的数据删除了,这次我们访问的 URL http://127.0.0.1:8080/polls/del,然后返回删除后再次查询所有记录的页面,如下图:


image.png


可以看到只剩下一条数据,说明我们已经删除成功了。


总结


本文为大家介绍了 Django 的模型,通过上面学习我们了解到模型功能的强大,为我们基于数据库的开发节省了大量工作量。Django还有模板,表单,路由,认证,基本的数据库管理等等内建功能,接下来将进一步的介绍 Django 提供的其他功能。


参考

示例代码:https://github.com/JustDoPython/python-100-day

目录
打赏
0
0
0
0
14
分享
相关文章
Python图像处理实用指南:PIL库的多样化应用
本文介绍Python中PIL库在图像处理中的多样化应用,涵盖裁剪、调整大小、旋转、模糊、锐化、亮度和对比度调整、翻转、压缩及添加滤镜等操作。通过具体代码示例,展示如何轻松实现这些功能,帮助读者掌握高效图像处理技术,适用于图片美化、数据分析及机器学习等领域。
98 20
金融波动率的多模型建模研究:GARCH族与HAR模型的Python实现与对比分析
本文探讨了金融资产波动率建模中的三种主流方法:GARCH、GJR-GARCH和HAR模型,基于SPY的实际交易数据进行实证分析。GARCH模型捕捉波动率聚类特征,GJR-GARCH引入杠杆效应,HAR整合多时间尺度波动率信息。通过Python实现模型估计与性能比较,展示了各模型在风险管理、衍生品定价等领域的应用优势。
414 66
金融波动率的多模型建模研究:GARCH族与HAR模型的Python实现与对比分析
从集思录可转债数据探秘:Python与C++实现的移动平均算法应用
本文探讨了如何利用移动平均算法分析集思录提供的可转债数据,帮助投资者把握价格趋势。通过Python和C++两种编程语言实现简单移动平均(SMA),展示了数据处理的具体方法。Python代码借助`pandas`库轻松计算5日SMA,而C++代码则通过高效的数据处理展示了SMA的计算过程。集思录平台提供了详尽且及时的可转债数据,助力投资者结合算法与社区讨论,做出更明智的投资决策。掌握这些工具和技术,有助于在复杂多变的金融市场中挖掘更多价值。
62 12
通义灵码AI程序员实战:从零构建Python记账本应用的开发全解析
本文通过开发Python记账本应用的真实案例,展示通义灵码AI程序员2.0的代码生成能力。从需求分析到功能实现、界面升级及测试覆盖,AI程序员展现了需求转化、技术选型、测试驱动和代码可维护性等核心价值。文中详细解析了如何使用Python标准库和tkinter库实现命令行及图形化界面,并生成单元测试用例,确保应用的稳定性和可维护性。尽管AI工具显著提升开发效率,但用户仍需具备编程基础以进行调试和优化。
259 9
基于 Python 的布隆过滤器算法在内网行为管理中的应用探究
在复杂多变的网络环境中,内网行为管理至关重要。本文介绍布隆过滤器(Bloom Filter),一种高效的空间节省型概率数据结构,用于判断元素是否存在于集合中。通过多个哈希函数映射到位数组,实现快速访问控制。Python代码示例展示了如何构建和使用布隆过滤器,有效提升企业内网安全性和资源管理效率。
53 9
Chainlit:一个开源的异步Python框架,快速构建生产级对话式 AI 应用
Chainlit 是一个开源的异步 Python 框架,帮助开发者在几分钟内构建可扩展的对话式 AI 或代理应用,支持多种工具和服务集成。
291 9
高精度保形滤波器Savitzky-Golay的数学原理、Python实现与工程应用
Savitzky-Golay滤波器是一种基于局部多项式回归的数字滤波器,广泛应用于信号处理领域。它通过线性最小二乘法拟合低阶多项式到滑动窗口中的数据点,在降噪的同时保持信号的关键特征,如峰值和谷值。本文介绍了该滤波器的原理、实现及应用,展示了其在Python中的具体实现,并分析了不同参数对滤波效果的影响。适合需要保持信号特征的应用场景。
259 11
高精度保形滤波器Savitzky-Golay的数学原理、Python实现与工程应用
Python 在企业级应用中的两大硬伤
关系数据库和SQL在企业级应用中面临诸多挑战,如复杂SQL难以移植、数据库负担重、应用间强耦合等。Python虽是替代选择,但在大数据运算和版本管理方面存在不足。SPL(esProc Structured Programming Language)作为开源语言,专门针对结构化数据计算,解决了Python的这些硬伤。它提供高效的大数据运算能力、并行处理、高性能文件存储格式(如btx、ctx),以及一致的版本管理,确保企业级应用的稳定性和高性能。此外,SPL与Java无缝集成,适合现代J2EE体系应用,简化开发并提升性能。
深入探究Python Web开发框架:Flask与Django
Python作为一种广泛应用于Web开发的编程语言,其拥有众多优秀的Web开发框架。本文将深入探讨其中两大知名框架——Flask与Django。通过对它们的概念与实践进行比较分析,帮助读者更好地理解和选择适合自己项目需求的Web开发框架。
Python 有哪些Web框架?比如Flask、Django等知识梳理
Python 有哪些Web框架?比如Flask、Django等知识梳理
464 1

热门文章

最新文章