日常工作使用中,大部分的条件查询通过filter都可以完成,但是在更复杂的查询时,filter就显得无力了。

不过,好在Django为我们提供了一些可以进行复杂查询的语句,比如aggregate, annotate, Q, F

models

来自Django官方文档models本文的查询都基于这些models

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
from django.db import models

class Author(models.Model):
name = models.CharField(max_length=100)
age = models.IntegerField()

class Publisher(models.Model):
name = models.CharField(max_length=300)

class Book(models.Model):
name = models.CharField(max_length=300)
pages = models.IntegerField()
price = models.DecimalField(max_digits=10, decimal_places=2) # 原价
member_price = models.DecimalField(max_digits=10, decimal_places=2) # 会员价
rating = models.FloatField()
authors = models.ManyToManyField(Author)
publisher = models.ForeignKey(
Publisher, on_delete=models.CASCADE)
pubdate = models.DateField()

class Store(models.Model):
name = models.CharField(max_length=300)
books = models.ManyToManyField(Book)

aggregate(聚合查询)

在原生SQL语句中常常会用到一些聚合函数,用来对一组数据进行计算,比如AVG/COUNT/MAX/MIN/SUM 等, aggregate则是Django中实现聚合函数的。以下用几个简单例子来说明。

例:求某个出版社出售的最便宜的一本书

1
2
3
from django.db.models import MIN

Book.objects.filter(publisher__name='新华出版社').aggregate(min_price=Min('price'))

aggregate 后的结果不再为QuerySet, 而是相应的{min_price=20.00}, 如果未设置字段名,会默认为查询字段__聚合方法,例如price__min

当然如何你想聚合其他值,比如平均价格或者最高评分,可以添加参数

1
2
3
from django.db.models import Avg, Max, Min

Book.objects.filter(publisher__name='新华出版社').aggregate(min_price=Min('price'), avg_price=Avg('price'), max_rate=Max('rating'))

annotate(分组查询)

annotate,顾名思义就是为QuerySet中的每个对象生成一个独立的统计值, 统计值会存在QuerySet

例:统计每个出版社出版的图书数量,并且以倒序排列

1
2
3
from django.db.models import Count

pubs = Publisher.objects.annotate(book_num=Count('book').order_by('-book_num')

通过 pubs[0].book_num 来查看结果

例:查询每个出版社出的书的总价格

1
2
3
4
from django.db.models import Sum

pubs = Publisher.objects.annotate(
total_price=Sum('book__price')).values('name', 'total_price')

Q查询

filter() 等方法中的关键字参数查询 都是进行AND运算,如果需要执行类型OR语句,就需要使用Q查询了。

当多个条件查询时,还可以通过&| 以及()进行分组编写Q对象,而且Q对象还可以通过使用 ~ 表达取反(NOT),当然如果查询较简单也可以使用exclude。

例:查询价格是小于20或大于50的图书

1
2
3
from django.db.models import Q

Book.objects.filter(Q(price__lt=20) | Q(price__gt=50))

例:查询出版社是新华出版社或者清华出版社并且不是2018年出版的书

1
2
3
4
from django.db.models import Q

Book.objects.filter(
(Q(publisher__name='新华出版社')|Q(publisher__name='清华出版社'))& ~Q(pubdate__year=2018))

如果想Q查询与关键字参数同时使用,需要遵循一个条件,Q对象必须位于所有关键字参数前面,如下所示

例:查询新华出版社评分在5-9之间的图书

1
2
3
from django.db.models import Q

Book.objects.filter(Q(rating__gt=5)|Q(rating__lt=9), publisher__name='新华出版社')

F查询

在上面的例子中,我们只是将字段值与某个常量作比较进行筛选,如果需要对字段值之间比较筛选,就需要使用Django 提供的F查询

例:查询会员价与原价相同的图书

1
2
3
from django.db.models import F

Book.objects.filter(price=F('memeber_price'))

当然F语句还可以更改一列值,例如将选中的所有图书原价增加10块

1
Book.objects.all().update(price=F('price')+10)

annotate查询一起使用,求原价与会员价的差价

1
2
3
from django.db.models import F

Book.objects.all().annotate(spread_price=F('price') - F('memeber_price'))

总结

这4种查询已经可以应付大多数的场景,对不同的场景可以有不同的组合方式,在我看来:

  • aggregate用于聚合统计数据;
  • annotate用于对数据进行分组,类似group by

  • Q()是对QuerySet进行更复杂的过滤筛选;

  • F()用于对Query字段间的某列值进行比较或操作。

本文只是简单的介绍了4种查询,更多内容可查阅Django官方文档