Django基础之模型(models)层之单表及各种查询

Django基础之模型(models)层

Django测试环境搭建：

拷贝manage.py中的行代码放到tests.py文件中导入模块
import django,django.setup()

import os

if __name__ == "__main__":
    os.environ.setdefault("DJANGO_SETTINGS_MODULE", "one_search.settings")
    import django
    django.setup()
    # 你就可以在下面测试django任何的py文件

如果你想查看orm语句内部真正的sql语句有2种方法:

1.如果是queryset对象，就可以.query查看该queryset对象的内部sql语句
2.在settings.py文件中配置

LOGGING = {
                \'version\': 1,
                \'disable_existing_loggers\': False,
                \'handlers\': {
                    \'console\': {
                        \'level\': \'DEBUG\',
                        \'class\': \'logging.StreamHandler\',
                    },
                },
                \'loggers\': {
                    \'django.db.backends\': {
                        \'handlers\': [\'console\'],
                        \'propagate\': True,
                        \'level\': \'DEBUG\',
                    },
                }}

一 ORM简介

我们在使用Django框架开发web应用的过程中，不可避免地会涉及到数据的管理操作（如增、删、改、查），而一旦谈到数据的管理操作，就需要用到数据库管理软件，例如mysql、oracle、Microsoft SQL Server等。
如果应用程序需要操作数据（比如将用户注册信息永久存放起来），那么我们需要在应用程序中编写原生sql语句，然后使用pymysql模块远程操作mysql数据库，但是直接编写原生sql语句会存在两方面的问题，严重影响开发效率，如下
- 1. sql语句的执行效率：应用开发程序员需要耗费一大部分精力去优化sql语句
  2. 数据库迁移：针对mysql开发的sql语句无法直接应用到oracle数据库上，一旦需要迁移数据库，便需要考虑跨平台问题

为了解决上述问题，django引入了ORM的概念，ORM全称Object Relational Mapping，即对象关系映射,是在pymysq之上又进行了一层封装，对于数据的操作，我们无需再去编写原生sql，取代代之的是基于面向对象的思想去编写类、对象、调用相应的方法等,，ORM会将其转换/映射成原生SQL然后交给pymysql执行

二、单表查询

创建django项目，新建名为app01的app，在app01的models.py中创建模型

class Employee(models.Model): # 必须是models.Model的子类
    id=models.AutoField(primary_key=True)

    name=models.CharField(max_length=16)

    gender=models.BooleanField(default=1)

    birth=models.DateField()

    department=models.CharField(max_length=30)

    salary=models.DecimalField(max_digits=10,decimal_places=1)

在表生成之后，如果需要增加、删除、修改表中字段，需要这么做

# 一：增加字段
#1.1、在模型类Employee里直接新增字段，强调：对于orm来说，新增的字段必须用default指定默认值
publish = models.CharField(max_length=12,default=\'人民出版社\',null=True)
#1.2、重新执行那两条数据库迁移命令


# 二：删除字段
#2.1 直接注释掉字段
#2.2 重新执行那两条数据库迁移命令

# 三：修改字段
#2.1 将模型类中字段修改
#2.2 重新执行那两条数据库迁移命令

添加表记录
方式一：

# 每个模型表下都有一个objects管理器，用于对该表中的记录进行增删改查操作，其中增加操作如下所示
models.Book.objects.create(title = \'三国演义\',price = 12.22)

方式二：

#1、用模型类创建一个对象，一个对象对应数据库表中的一条记录
book_obj = models.Book(title=\'三国演义\',price=\'12.22\')
# 2、调用对象下的save方法，即可以将一条记录插入数据库
book_obj.save()

删:

可以直接调用记录对象下的delete方法，该方法运行时立即删除本条记录而不返回任何值,如下

(需要强调的是管理objects下并没有delete方法，这是一种保护机制，是为了避免意外地调用 Employee.objects.delete() 方法导致所有的记录被误删除从而跑路。但如果你确认要删除所有的记录，那么你必须显式地调用管理器下的all方法，拿到一个QuerySet对象后才能调用delete方法删除所有)

models.Book.objects.filter(pk=2).delete()

改

models.Book.objects.filter(pk=2).update(title = \'红楼梦\',price = 22.22)

Queryset队像和mployee对象

以及下面必知必会的13条都是查的
注：返回值都是一个模型类Employee的对象，为了后续描述方便，我们统一将模型类的对象称为"记录对象"，每一个”记录对象“都唯一对应表中的一条记录
查询的结果都有可能包含多个记录对象，为了存放查询出的多个记录对象，django的ORM自定义了一种数据类型Queryeset，所以下述方法的返回值均为QuerySet类型的对象，QuerySet对象中包含了查询出的多个记录对象

QuerySet类型是django ORM自定义的一种数据类型专门用来存放查询出的多个记录对象，该类型的特殊之处在于

1、queryset类型类似于python中的列表，支持索引操作

 过滤出符合条件的多个记录对象，然后存放到QuerySet对象中
queryset_res=Employee.objects.filter(department=\'技术部\') 
# 按照索引从QuerySet对象中取出第一个记录对象
obj=queryset_res[0]
print(obj.name,obj.birth,obj.salary)

管理器objects下的方法queryset下同样可以调用，并且django的ORM支持链式操作，于是我们可以像下面这样使用

res=Employee.objects.filter(gender=1).order_by(\'-id\').values_list(\'id\',\'name\')
print(res) # 输出：<QuerySet [(6, \'Robin\'), (5, \'Jack\'), (4, \'Tom\'), (2, \'Kevin\')]>

查

res = models.Book.objects.filter(pk=2)

all():查所有，查询结果为Queryset对象

res = models.Book.objects.all()
print(res)

filter:查询结果为Queryset对象

res = models.Book.objects.filter(pk=2)
print(obj.id,obj.name) # 输出：2 三国

get():查询结果为数据对象本身，和filter查询相似，不推荐使用，查询结果为Employee的对象

res = models.Book.objects.get(pk=2)

first():查询第一个，查询结果为Employee的对象

res = models.Book.objects.first()

last():查询最后一个，查询结果为Employee的对象

res = models.Book.objects.last()   #res可以.title，.price

exclude():哪一个排除之外，查询结果为Queryset对象

res = models.Book.objects.exclude(pk=3)

values(): 有参，参数为字段名，可以指定多个字段，查询结果为列表套字典的Queryset对象

res = models.Book.objects.values(\'id\',\'name\')
print(res) # 输出：<QuerySet [{\'id\': 1, \'name\': \'Egon\'}, {\'id\': 2, \'name\': \'Kevin\'}, ......]>
print(res[0][\'name\']) # 输出：Egon

value_list():查询结果为列表套元组的Queryset对象，返回值为QuerySet对象，QuerySet对象中包含的并不是一个个的记录对象，而上多个小元组，字典的key即我们传入的字段名

res = models.Book.objects.values_list(\'id\',\'name\')
print(res) # 输出：<QuerySet [(1, \'Egon\'), (2, \'Kevin\'),), ......]>
print(res[0][1]) # 输出：Egon

count():统计数据的条数

res = models.Book.objects.count(\'title\')
res = models.Book.objects.all.count(\'title\')

distinct():数据必须是一模一样的情况下去重

res = models.Book.objects.distinct()  #无变化
res = models.Book.objects.values(\'title\').distinct()

order_by():排序，查询结果为Queryset对象

res = models.Book.objects.order_by(\'price\')   #默认升序
res = models.Book.objects.order_by(\'-price\')   #降序

reverse():排序后反转（才有意义）

res = models.Book.objects.reverse()

exists():是否存在

models.Book.objects.filter(pk=1).exists()

神奇的双下划线的模糊查询

查询价格大于200的书籍

models.Book.objects.filter(price__gt=200)

查询价格小于200的书籍

models.Book.objects.filter(price__lt=200)

查询价格大于等于200的书籍

models.Book.objects.filter(price__gte=200)

查询价格小于等于200的书籍

models.Book.objects.filter(price__lte=200)

查询价格是200元或者300元的书籍

res = models.Book.objects.filter(price__in=[200,300])

查询价格是200到500元之间的书籍

res = models.Book.objects.filter(price__range=(200,500))  #顾头不顾尾

查询书籍中包含p的书籍

res = models.Book.objects.filter(title__contains=\'p\')   #区分大小写

res = models.Book.objects.filter(title__icontains=\'p\')   #不区分大小写

查询书籍名称是以三开头的书籍

res = models.Book.objects.filter(title__startswith="三")

查询书籍名称是以三结尾的书籍

res = models.Book.objects.filter(title__endswith="三")

查询出版日期是2019年的书籍

res = models.Book.objects.filter(data__year="2019")

查询出版日期是10月份的书籍

res = models.Book.objects.filter(data__month="10")

聚合查询

关键字：aggregate

aggregate()的返回值为字典类型，字典的key是由”聚合字段的名称___聚合函数的名称”合成的

from django.db.models import  Max,Min,Sum,Count,Avg # 导入聚合函数

统计所有书的平均价格

res = models.Book.objects.all().aggregate(Avg(\'price\'))  #拿所有的书籍的价格的平均值
# 调用objects下的aggregate()方法，会把表中所有记录对象整体当做一组进行聚合
print(res)    # {\'price_avg\':71.0}

这样的话就可以求最大的价格，最小的价格等

分组查询

分组查询annotate()相当于sql语句中的group by，是在分组后，对每个组进行单独的聚合，需要强调的是，在进行单表查询时，annotate()必须搭配values()使用：values("分组字段").annotate(聚合函数)

关键字：annotate

# 表中记录
mysql> select * from app01_employee;
+----+-------+--------+------------+------------+--------+
| id | name  | gender | birth      | department | salary |
+----+-------+--------+------------+------------+--------+
|  1 | Egon  |      0 | 1997-01-27 | 财务部     |  100.1 |
|  2 | Kevin |      1 | 1998-02-27 | 技术部     |   10.1 |
|  3 | Lili  |      0 | 1990-02-27 | 运营部     |   20.1 |
|  4 | Tom   |      1 | 1991-02-27 | 运营部     |   30.1 |
|  5 | Jack  |      1 | 1992-02-27 | 技术部     |   11.2 |
|  6 | Robin |      1 | 1988-02-27 | 技术部     |  200.3 |
|  7 | Rose  |      0 | 1989-02-27 | 财务部     |   35.1 |
+----+-------+--------+------------+------------+--------+

# 查询每个部门下的员工数
res=Employee.objects.values(\'department\').annotate(num=Count(\'id\')) 
# 相当于sql：
# select department,count(id) as num from app01_employee group by department;

print(res) 
# 输出：<QuerySet [{\'department\': \'财务部\', \'num\': 2}, {\'department\': \'技术部\', \'num\': 3}, {\'department\': \'运营部\', \'num\': 2}]>

跟在annotate前的values方法，是用来指定分组字段，即group by后的字段，而跟在annotate后的values方法，则是用来指定分组后要查询的字段，即select 后跟的字段

res=Employee.objects.values(\'department\').annotate(num=Count(\'id\')).values(\'num\')
# 相当于sql：
# select count(id) as num from app01_employee group by department;

print(res)
# 输出：<QuerySet [{\'num\': 2}, {\'num\': 3}, {\'num\': 2}]>

跟在annotate前的filter方法表示where条件，跟在annotate后的filter方法表示having条件，如下

# 查询男员工数超过2人的部门名
res=Employee.objects.filter(gender=1).values(\'department\').annotate(male_count=Count("id")).filter(male_count__gt=2).values(\'department\')

print(res) # 输出：<QuerySet [{\'department\': \'技术部\'}]>

# 解析：
# 1、跟在annotate前的filter(gender=1) 相当于 where gender = 1，先过滤出所有男员工信息
# 2、values(\'department\').annotate(male_count=Count("id")) 相当于group by department，对过滤出的男员工按照部门分组，然后聚合出每个部门内的男员工数赋值给字段male_count
# 3、跟在annotate后的filter(male_count__gt=2) 相当于 having male_count > 2,会过滤出男员工数超过2人的部门
# 4、最后的values(\'department\')代表从最终的结果中只取部门名

总结：

1、values()在annotate()前表示group by的字段，在后表示取值
1、filter()在annotate()前表示where条件，在后表示having

需要注意的是，如果我们在annotate前没有指定values()，那默认用表中的id字段作为分组依据，而id各不相同，如此分组是没有意义的，如下

res=Employee.objects.annotate(Count(\'name\')) # 每条记录都是一个分组
res=Employee.objects.all().annotate(Count(\'name\')) # 同上

F与Q查询

在上面所有的例子中，我们在进行条件过滤时，都只是用某个字段与某个具体的值做比较。如果我们要对两个字段的值做比较，那该怎么做呢？

F查询:

F() 的实例可以在查询中引用字段，来比较两个不同字段的值，

from django.db.models import F     #导入模块

Django 支持 F() 对象之间以及 F() 对象和常数之间的加减乘除和取模的操作

查询卖出数大于库存数

models.Book.objects.filter(maichu__gt=F(\'kucun\'))

查询评论数大于收藏数2倍的书籍

Book.objects.filter(commnetNum__lt=F(\'keepNum\')*2)

将所有的书的价格全部提高100元

models.Book.objects.update(price=F(\'price\')+ 100)

将所有书的名字后面都加上爆款

from django.db.models.functions import Concat
from django.db.models import Value
ret3=models.Product.objects.update(name=Concat(F(\'name\'),Value(\'爆款\')))

Q查询

查询书籍名称是python入门或者价格是54的书

models.Book.objects.filter(Q(title=\'python入门\')|Q(price=54))

查询书籍名称不是python入门或者价格是54的书

models.Book.objects.filter(~Q(title=\'python入门\')|Q(price=54))

Q查询进阶

查询条件由用户输入决定

q = Q()
q.connector = \'or\'   #将默认and，改为or
q.children.append((\'title\',\'python\'))
q.children.append((\'kucun\',666))
res = models.Book.objects.filter(q)

字符串左边跟变量名书写的格式一模一样

查询优化(面试)

only与defer

only会将口号内的字段对应的值直接封装到返回给你的对象中点该字段不需要再走数据库
一旦你点了不在括号内的字段就会频繁的去走数据库查询
defer和only互为反关系，defer会将括号内的字段排除之外，将其他字段对应的值直接封装到返回给你的对象中，点该其他字段不需要再走数据库，一旦你点了在括号内的字段就会频繁的去走数据库查询

select_related与prefetch_related

select_related会自动帮你做连表操作，然后连表之后的数据全部查询出来封装给对象
select_related括号内只能放外键字段，并且多对多字段除外
如果括号内所关联的外键字段还有外键字段，还可以继续连表

select_related(外键字段__外键字段__外键字段...)

prefetch_relate看似是连表操作，其实是子查询，内部不做连表，小号的资源就在查询次数上，但是给用户感觉不出来

Django ORM中的事务操作

ACID：原子性、一致性、隔离性、持久性

from django.db import transaction
with transaction.atomic():
    #在该代码块中所写的orm语句 同属于一个事务
#缩进出来之后自动结束

补充知识：

django2.x版本：在建数据库关系的时候需要手动指定2个参数，要告诉django级联更新，级联删除，是否建立外键约束
on_delete,db_constraint