类属性查询法

class RiskLevel_Months(models.Model):
    """
    每月风险等级表 --nzy
    """
    levels = (('0', '无风险'), ('1', '中等风险'), ('2', '高风险'))
    id = models.UUIDField(primary_key=True, default=uuid.uuid4, editable=False, verbose_name=u'编号', help_text=u'编号')
    # month = models.CharField(max_length=50, choices=months, verbose_name=u'月份', help_text=u'月份', null=True, blank=True)
    # level = models.CharField(max_length=50, choices=levels, verbose_name=u'等级', help_text=u'等级', default='0')
    biological_risk = models.OneToOneField(BiologicalRisk, verbose_name="海洋生物风险ID", help_text="海洋生物风险ID",
                                           on_delete=models.CASCADE, related_name="biological_risk_month")
    Jan = models.CharField(max_length=8, choices=levels, verbose_name=u'一月', help_text=u'一月', default='0')
    Feb = models.CharField(max_length=8, choices=levels, verbose_name=u'二月', help_text=u'二月', default='0')
    Mar = models.CharField(max_length=8, choices=levels, verbose_name=u'三月', help_text=u'三月', default='0')
    Apr = models.CharField(max_length=8, choices=levels, verbose_name=u'四月', help_text=u'四月', default='0')
    May = models.CharField(max_length=8, choices=levels, verbose_name=u'五月', help_text=u'五月', default='0')
    Jun = models.CharField(max_length=8, choices=levels, verbose_name=u'六月', help_text=u'六月', default='0')
    Jul = models.CharField(max_length=8, choices=levels, verbose_name=u'七月', help_text=u'七月', default='0')
    Aug = models.CharField(max_length=8, choices=levels, verbose_name=u'八月', help_text=u'八月', default='0')
    Sept = models.CharField(max_length=8, choices=levels, verbose_name=u'九月', help_text=u'九月', default='0')
    Oct = models.CharField(max_length=8, choices=levels, verbose_name=u'十月', help_text=u'十月', default='0')
    Nov = models.CharField(max_length=8, choices=levels, verbose_name=u'十一月', help_text=u'十一月', default='0')
    Dec = models.CharField(max_length=8, choices=levels, verbose_name=u'十二月', help_text=u'十二月', default='0')

    @classmethod
    def high_risk_biolog(cls):  #获取所有数据中当前月份的高风险生物
        return cls.objects.filter(**{datetime.now().strftime('%b'): cls.levels[2][0]}).values('biological_risk')

    class Meta:
        db_table = 'envidata_risklevel_months'
        verbose_name = "每月风险等级表"
        verbose_name_plural = verbose_name

    def __str__(self):
        return str(self.id)
©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 204,293评论 6 478
  • 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 85,604评论 2 381
  • 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 150,958评论 0 337
  • 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 54,729评论 1 277
  • 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 63,719评论 5 366
  • 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 48,630评论 1 281
  • 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 38,000评论 3 397
  • 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 36,665评论 0 258
  • 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 40,909评论 1 299
  • 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 35,646评论 2 321
  • 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 37,726评论 1 330
  • 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 33,400评论 4 321
  • 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 38,986评论 3 307
  • 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 29,959评论 0 19
  • 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 31,197评论 1 260
  • 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 44,996评论 2 349
  • 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 42,481评论 2 342