Django基础之模型(models)层

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()
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