ORM跨表查询操作示例

F:更新数据库字段 ------and----- Q:构造复杂条件

ORM优化:
select_related:连表操作,相当于主动做join
prefeth_related:多次单表操作,先查询想要的数据,然后构造条件,如:id=[1, ,2, 3],再次查询其他表根据id做条件

通过ORM写偏原生SQL:extra/raw/原生SQL

  • 选择数据库:models.Course.object.using('default').all()

1、基于对象查询,对应SQL中的子查询
1.1、一对多 book ---- publish
a、正向查询(按字段publish)// 查询python这本书的出版社的邮箱
python = models.Book.objects.filter(title="python").first()
print(python.publish.email)

b、反向查询(按表名小写_set.all())// 长城出版社出版的书籍名称
publish_obj = models.Publish.objects.filter(name="长城出版社").first()
for obj in publish_obj.book_set.all(): print(obj.title)

1.2、多对多 book ----- author
a、正向查询(按字段authors.all())// 查询python作者的年龄
python = models.Book.objects.filter(title="python").first()
for author in python.authors.all(): print(author.name, author.age)

b、反向查询(按表名小写_set.all())// 查询alex出版过的书籍名称
alex = models.Author.objects.filter(name="alex").first()
for book in alex.book_set.all(): print(book.title)

1.3、一对一 author ----- authordetail
a、正向查询(按字段authorDetail)// 查询alex的手机号
alex = models.Author.objects.filter(name="alex").first()
print(alex.authorDetail.telephone)

b、反向查询(按表名author)// 查询家在山东的作者姓名
add = models.AuthorDetail.objects.filter(addr="山东").first()
print(add.author.name)

2、基于QuerySet和双下划线(__)查询,对应SQL中的JOIN查询
正向查询:按字段 ---------------- 反向查询:按表名小写
// 查询python这本书的出版社的邮箱
python = models.Book.objects.filter(title="python").values("pubilsh__email")
print(ret.query)

对应执行的sql:
select pubilsh.email from Book
left join Publish on book.publish_id=publish.nid
where book.title='python'

// 长城出版社出版的书籍名称(I和II两种方式的对应SQL语句基本一样)
I、publish_obj = models.Pubilsh.objects.filter(name="长城出版社").values("book__title")
II、publish_obj = models.Book.objects.filter(publish__name="长城出版社").values("title")

print(pubilsh_obj)

// 查询alex的手机号
alex = models.Author.objects.filter(name="alex").vaules("authordetail__telephone")
print(alex)

alex = models.AuthorDetail.objects.filter(author__name="alex").vaules("telephone")
print(alex)

// 查询手机号以151开头的作者出版过的书籍名称以及书籍对应的出版社名称
models.Book.objects.filter(authors__authorDetail_telephone__startswith='151').vlues("title", "publish__name")

ORM聚合与分组查询
1、聚合
// 查询所有书籍的价格和
from django.db.models import Sum, Count, Avg
models.Book.objects.all().aggregate(price_sum=Sum('price'))

// 查询所有作者的平均年龄
models.Author.objects.all().aggregate(age_avg=Avg('age'))

2、分组
关键点:
a、querySet对象.annotate()
b、annotate进行分组统计,按前面select的字段(values())进行group by
c、annotate()返回值依然是querySet对象,增加了分组统计后的键值对

// 查询每个作者的名字以及出版过的书籍最高价格
models.Author.object.values("name").annotate(max_price=Max("book__price")).values("max_price", "name")

对应执行的sql:
select values("max_price", "name") from Author inner join book group by values("name")

// 查询每个出版社出版过的书籍平均价格
models.Publish.objects.all().annotate(avg_price=Avg("book__price")).values("name", "avg_price")

// 查询每本书籍的作者个数
models.Book.objects.values('title').annotate(c=Count("author__name")).values('title', 'c')

// 查询每个分类的名称以及对应的文章数
models.Category.objects.all().annotate(c=Count("article__title")).values("title", "c")

// 查询不止一个作者的图书名称
models.Book.objects.annotate(c=Count("author__name")).filter(c__gt=1).values("title", "c")

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,657评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,662评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,143评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,732评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,837评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,036评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,126评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,868评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,315评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,641评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,773评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,859评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,584评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,676评论 2 351