


Bagaimana untuk mengumpulkan data menggunakan set pertanyaan Django?
Mengumpulkan Data dalam Pertanyaan Django
Dalam Django, pengambilan data daripada pangkalan data selalunya melibatkan penggunaan set pertanyaan. Set pertanyaan ini menyediakan pelbagai kaedah untuk menapis, memesan dan memanipulasi data. Satu operasi biasa ialah mengumpulkan data mengikut medan tertentu, serupa dengan klausa SQL GROUP BY.
Penggabungan untuk Pengumpulan
Untuk mengumpulkan data dalam Django, seseorang boleh menggunakan ciri pengagregatan ORM. Sebagai contoh, pertimbangkan pertanyaan berikut yang mendapatkan semula semua ahli:
Members.objects.all()
Pertanyaan ini mengembalikan senarai tupel, setiap tupel mewakili butiran ahli:
[('Eric', 'Salesman', 'X-Shop'), ('Freddie', 'Manager', 'X2-Shop'), ('Teddy', 'Salesman', 'X2-Shop'), ('Sean', 'Manager', 'X2-Shop')]
Untuk mengumpulkan hasil ini mengikut medan penetapan, seseorang boleh menggunakan kaedah values() dan annotate():
from django.db.models import Count result = ( Members.objects .values('designation') .annotate(dcount=Count('designation')) .order_by() )
Pertanyaan ini menghasilkan pernyataan SQL yang serupa dengan:
SELECT designation, COUNT(designation) AS dcount FROM members GROUP BY designation
Hasilnya ialah senarai kamus, masing-masing mewakili sebutan dan kiraan ahli untuk sebutan itu:
[{'designation': 'Salesman', 'dcount': 2}, {'designation': 'Manager', 'dcount': 2}]
Untuk memasukkan berbilang medan dalam keputusan, hanya tambahkannya sebagai argumen kepada kaedah values(), seperti yang ditunjukkan di sini:
.values('designation', 'first_name', 'last_name')
Rujukan
Untuk mendapatkan maklumat lanjut tentang pengagregatan dan pengelompokan dalam Django, rujuk sumber berikut:
- Dokumentasi Django: [Nilai]( https://docs.djangoproject.com/en/stable/ref/models/querysets/#values), [Annotate](https://docs.djangoproject.com/en/stable/ref/models/querysets/#annotate), [Count](https://docs.djangoproject.com/en/stable/ref/models/ querysets/#django.db.models.Count)
- Dokumentasi Django: [Pengagregatan](https://docs.djangoproject.com/en/stable/topics/db/aggregation/), terutamanya bahagian tentang [Interaksi dengan Pesanan Lalai atau order_by()](https://docs.djangoproject.com /ms/stable/topics/db/aggregation/#interaction-with-default-ordering-or-orderby)
Atas ialah kandungan terperinci Bagaimana untuk mengumpulkan data menggunakan set pertanyaan Django?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Penyelesaian kepada Isu Kebenaran Semasa Melihat Versi Python di Terminal Linux Apabila anda cuba melihat versi Python di Terminal Linux, masukkan Python ...

Apabila menggunakan Perpustakaan Pandas Python, bagaimana untuk menyalin seluruh lajur antara dua data data dengan struktur yang berbeza adalah masalah biasa. Katakan kita mempunyai dua DAT ...

Bagaimana Mengajar Asas Pengaturcaraan Pemula Komputer Dalam masa 10 jam? Sekiranya anda hanya mempunyai 10 jam untuk mengajar pemula komputer beberapa pengetahuan pengaturcaraan, apa yang akan anda pilih untuk mengajar ...

Cara mengelakkan dikesan semasa menggunakan fiddlerevery di mana untuk bacaan lelaki-dalam-pertengahan apabila anda menggunakan fiddlerevery di mana ...

Ekspresi biasa adalah alat yang berkuasa untuk memadankan corak dan manipulasi teks dalam pengaturcaraan, meningkatkan kecekapan dalam pemprosesan teks merentasi pelbagai aplikasi.

Artikel ini membincangkan perpustakaan Python yang popular seperti Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask, dan Permintaan, memperincikan kegunaan mereka dalam pengkomputeran saintifik, analisis data, visualisasi, pembelajaran mesin, pembangunan web, dan h

Bagaimanakah Uvicorn terus mendengar permintaan HTTP? Uvicorn adalah pelayan web ringan berdasarkan ASGI. Salah satu fungsi terasnya ialah mendengar permintaan HTTP dan teruskan ...

Di Python, bagaimana untuk membuat objek secara dinamik melalui rentetan dan panggil kaedahnya? Ini adalah keperluan pengaturcaraan yang biasa, terutamanya jika perlu dikonfigurasikan atau dijalankan ...
