Django ORM 的常用字段類型、外鍵關聯的跨表引用技巧，以及 `_` 和 `__` 的使用場景

一、Django ORM 常用字段類型

1. 基礎字段類型
字段類型說明示例
CharField字符串字段，必須指定 max_lengthname = models.CharField(max_length=50)
IntegerField整數字段age = models.IntegerField()
BooleanField布爾值字段is_active = models.BooleanField()
DateField / DateTimeField日期/日期時間字段，auto_now_add=True 自動設置創建時間created_at = models.DateTimeField(auto_now_add=True)
EmailField專用于郵箱的 CharField（自帶基礎格式驗證）email = models.EmailField()
TextField長文本字段（不限長度）content = models.TextField()
FileField / ImageField文件/圖片上傳字段（需 Pillow 庫支持 ImageField）avatar = models.ImageField(upload_to='avatars/')
2. 關聯字段類型
字段類型說明示例
ForeignKey外鍵（一對多關聯）author = models.ForeignKey('Author', on_delete=models.CASCADE)
OneToOneField一對一關聯（常用于擴展用戶模型）profile = models.OneToOneField(User, on_delete=models.CASCADE)
ManyToManyField多對多關聯（自動創建中間表）tags = models.ManyToManyField('Tag')

關鍵參數說明：

  • on_delete: 關聯對象刪除時的行為（必填），常見選項：
    • CASCADE: 級聯刪除（默認）
    • SET_NULL: 設為 null（需字段允許 null=True）
    • PROTECT: 阻止刪除
  • related_name: 反向查詢時的名稱（默認 模型名_set，如 book_set）

二、跨表引用技巧

1. 正向查詢（直接通過外鍵訪問）
# 模型定義
class Author(models.Model):name = models.CharField(max_length=100)class Book(models.Model):title = models.CharField(max_length=100)author = models.ForeignKey(Author, on_delete=models.CASCADE, related_name="books")# 示例：查詢某本書的作者
book = Book.objects.get(id=1)
author_name = book.author.name  # 直接通過外鍵訪問
2. 反向查詢（通過關聯模型反向訪問）
# 示例：查詢某作者的所有書籍
author = Author.objects.get(id=1)
books = author.books.all()  # 使用 related_name 定義的名稱（默認是 book_set）
3. 跨表過濾（使用雙下劃線 __）
# 查詢所有書籍的作者名為 "魯迅" 的書籍
books = Book.objects.filter(author__name="魯迅")# 查詢作者出版過書籍數量大于 5 的作者
authors = Author.objects.annotate(book_count=Count('books')).filter(book_count__gt=5)

三、_ 和 __ 的使用技巧

1. 單下劃線 _
  • 用途：用于關聯字段的數據庫列名或 ORM 內部操作。
  • 示例：
    # 訪問外鍵的數據庫列名（author_id）
book = Book.objects.get(id=1)
author_id = book.author_id  # 直接獲取外鍵值（無需訪問關聯對象）# 查詢時直接使用字段名
Book.objects.filter(author_id=1)
2. 雙下劃線 __
  • 用途：跨表查詢時連接關聯模型的字段（可鏈式跨多張表）。
  • 示例：
    # 查詢作者所在城市為 "北京" 的書籍
Book.objects.filter(author__city="北京")# 多級跨表：查詢書籍的作者的出版社名稱
Book.objects.filter(author__publisher__name="人民出版社")
3. 雙下劃線與查詢表達式結合
# 查詢價格大于 100 且作者年齡小于 30 的書籍
Book.objects.filter(price__gt=100, author__age__lt=30)# 查詢書名以 "Django" 開頭或作者郵箱包含 "@example.com"
from django.db.models import Q
Book.objects.filter(Q(title__startswith="Django") | Q(author__email__contains="@example.com"))

四、總結

核心技巧

  1. 字段類型選擇：

    • 根據數據類型選擇合適字段（如 CharField vs TextField）。
    • 關聯字段注意 on_delete 和 related_name 的設置。

  2. 跨表查詢：

    • 正向查詢：直接通過外鍵字段訪問關聯對象。
    • 反向查詢：使用 related_name 或默認的 模型名_set。
    • 復雜查詢：通過 __ 跨表連接字段。

  3. _ vs __：

    • _ 用于數據庫列名或單級字段訪問（如 author_id）。
    • __ 用于跨表查詢（如 author__name）。
性能優化
  • 使用 select_related 預加載外鍵數據（減少查詢次數）：
    books = Book.objects.select_related('author').all()  # 一次性加載作者信息
  • 使用 prefetch_related 預加載多對多關系：
    authors = Author.objects.prefetch_related('books').all()  # 預加載所有書籍

通過靈活組合這些技巧，可以高效操作 Django ORM 處理復雜的數據關系！

好的！反向查詢是 Django ORM 中通過關聯模型（比如外鍵的“被關聯方”）去訪問發起關聯的模型的關鍵操作。它讓跨表查詢更靈活，下面用詳細的示例和場景幫你徹底理解。

一、反向查詢的核心原理

假設有兩個模型：Author（作者）和 Book（書籍），通過外鍵關聯：

class Author(models.Model):name = models.CharField(max_length=100)class Book(models.Model):title = models.CharField(max_length=100)author = models.ForeignKey(Author, on_delete=models.CASCADE, related_name='books')
  • 正向查詢：從 Book 訪問 Author（直接通過外鍵字段 author）。
  • 反向查詢：從 Author 訪問所有關聯的 Book 對象（需要借助 related_name 或默認的 book_set）。

二、反向查詢的兩種方式

1. 使用默認的 模型名_set

如果未設置 related_name，Django 會自動生成反向查詢管理器，格式為：關聯模型名的小寫 + _set。

# 假設 Book 模型的外鍵未設置 related_name
class Book(models.Model):author = models.ForeignKey(Author, on_delete=models.CASCADE)# 反向查詢：通過 author.book_set 訪問所有書籍
author = Author.objects.get(id=1)
books = author.book_set.all()  # 獲取該作者的所有書籍
2. 使用自定義的 related_name

通過設置 related_name，可以指定更直觀的反向查詢名稱：

class Book(models.Model):author = models.ForeignKey(Author, on_delete=models.CASCADE,related_name='books'  # 自定義反向查詢名稱)# 反向查詢：通過 author.books 訪問所有書籍
author = Author.objects.get(id=1)
books = author.books.all()  # 更直觀的命名

三、反向查詢的常見操作

1. 獲取關聯對象集合
# 查詢作者 "魯迅" 的所有書籍
author = Author.objects.get(name="魯迅")
books = author.books.all()  # 返回 QuerySet
2. 過濾關聯對象
# 查詢作者 "魯迅" 的出版年份大于 2020 的書籍
books = author.books.filter(publish_year__gt=2020)
3. 創建新的關聯對象
# 為作者 "魯迅" 創建一本新書
new_book = author.books.create(title="狂人日記", publish_year=1918)
4. 統計關聯對象數量
# 統計作者 "魯迅" 的書籍數量
book_count = author.books.count()

四、反向查詢在跨表過濾中的使用

反向查詢結合雙下劃線 __，可以在查詢條件中直接穿透關聯模型。

場景1：查詢所有寫過“小說”類書籍的作者
# 模型擴展：書籍增加分類字段
class Book(models.Model):CATEGORY_CHOICES = [('novel', '小說'),('tech', '科技'),]category = models.CharField(max_length=10, choices=CATEGORY_CHOICES)author = models.ForeignKey(Author, on_delete=models.CASCADE, related_name='books')# 反向查詢：直接通過 Author 模型過濾
authors = Author.objects.filter(books__category='novel').distinct()
  • books__category：從 Author 穿透到 Book 的 category 字段。
  • distinct()：避免重復作者（如果同一作者有多本小說）。
場景2：查詢書籍平均評分大于 4.5 的作者
from django.db.models import Avg# 模型擴展：書籍增加評分字段
class Book(models.Model):rating = models.FloatField(default=0)author = models.ForeignKey(Author, on_delete=models.CASCADE, related_name='books')# 使用 annotate + 反向查詢
authors = Author.objects.annotate(avg_rating=Avg('books__rating')
).filter(avg_rating__gt=4.5)

五、反向查詢的性能優化

1. 使用 prefetch_related 預加載數據

避免 N+1 查詢問題（遍歷作者時，每次訪問 author.books 都會觸發一次查詢）：

# 未優化：觸發多次查詢
authors = Author.objects.all()
for author in authors:print(author.books.all())  # 每次循環觸發一次查詢# 優化后：一次性預加載所有作者的書籍
authors = Author.objects.prefetch_related('books').all()
for author in authors:print(author.books.all())  # 無額外查詢
2. 結合 select_related 和 prefetch_related
  • select_related：用于外鍵（一對一、多對一）的預加載。
  • prefetch_related：用于多對多、反向查詢的預加載。
# 同時預加載作者和書籍的出版社（假設 Book 有外鍵到 Publisher）
authors = Author.objects.prefetch_related(Prefetch('books', queryset=Book.objects.select_related('publisher'))
).all()

六、總結：反向查詢的核心技巧

操作代碼示例說明
基本反向查詢author.books.all()獲取所有關聯對象
過濾關聯對象author.books.filter(title__contains="Django")根據條件篩選關聯對象
跨表過濾Author.objects.filter(books__rating__gt=4)在查詢條件中使用反向關聯字段
聚合統計Author.objects.annotate(book_count=Count('books'))統計每個作者的書籍數量
預加載優化prefetch_related('books')減少數據庫查詢次數

關鍵點：

  • 始終優先使用 related_name 自定義反向查詢名稱（代碼更清晰）。
  • 在復雜查詢中靈活使用雙下劃線 __ 穿透關聯模型。
  • 大數據量時用 prefetch_related 或 select_related 優化性能。

通過反向查詢，你可以輕松實現從“一”對“多”或“多對多”關系的反向導航，讓數據關聯操作更加靈活高效！

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/web/70560.shtml
繁體地址，請注明出處：http://hk.pswp.cn/web/70560.shtml
英文地址，請注明出處：http://en.pswp.cn/web/70560.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

java遞歸求自然數列的前n項和

java遞歸求自然數列的前n項和

概述 實現 /*** 數列 1 2 3 ... n ...* 遞歸求數列的前n項和* param n* return*/private static long calSum(long n){if (n1) return 1;else {return ncalSum(n-1); // 前n項的和 即第n項的值前n-1項的和}}測試用例 public static void main(String[] args) {long res1 cal…
閱讀更多...
【Golang 面試題】每日 3 題（六十五）

【Golang 面試題】每日 3 題（六十五）

?個人博客：Pandaconda-CSDN博客 📣專欄地址：http://t.csdnimg.cn/UWz06 📚專欄簡介：在這個專欄中，我將會分享 Golang 面試中常見的面試題給大家~ ??如果有收獲的話，歡迎點贊👍收藏…
閱讀更多...
16、Python面試題解析：python中的淺拷貝和深拷貝

16、Python面試題解析：python中的淺拷貝和深拷貝

在 Python 中，淺拷貝（Shallow Copy） 和 深拷貝（Deep Copy） 是處理對象復制的兩種重要機制，它們的區別主要體現在對嵌套對象的處理方式上。以下是詳細解析： 1. 淺拷貝（Shallow Copy&a…
閱讀更多...
【Godot4.3】題目與答案解析合并器

【Godot4.3】題目與答案解析合并器

免責申明 本文和工具截圖中涉及題庫和題目，均為本人自學使用，并未有商業和傳播企圖。如有侵害，聯系刪改。 概述 筆者本人醫學專業從業人員，編程只是業余愛好。在自己的專業應考學習過程當中： 有時候不太喜歡紙質題庫…
閱讀更多...
Lm studio本地部署DeepSeek

Lm studio本地部署DeepSeek

為什么用Lm studio Ollama官網下載過慢或失敗（Lm默認下載源無法下載，但可以更換下載源）Ollama默認安裝至C盤一部分Nivida顯卡無法吃滿顯存資源一部分AMD顯卡替換rocm文件后無法啟動 Lm studio安裝 官網下載：LM Studio - Discov…
閱讀更多...
基于Qlearning強化學習的2DoF機械臂運動控制系統matlab仿真

基于Qlearning強化學習的2DoF機械臂運動控制系統matlab仿真

目錄 1.算法仿真效果 2.算法涉及理論知識概要 2.1 2DoF機械臂運動學模型 2.2 Q-learning強化學習算法原理 3.MATLAB核心程序 4.完整算法代碼文件獲得 1.算法仿真效果 matlab2022a仿真結果如下（完整代碼運行后無水印）： 仿真操作步驟可參…
閱讀更多...
Unity貼圖與模型相關知識

Unity貼圖與模型相關知識

一、貼圖 1.貼圖的類型與形狀 貼圖類型 貼圖形狀 2.在Unity中可使用一張普通貼圖來生成對應的法線貼圖（但并不規范） 復制一張該貼圖將復制后的貼圖類型改為Normal Map 3.貼圖的sRGB與Alpha sRGB：勾選此選項代表此貼圖存儲于Gamma空間中…
閱讀更多...
快速上手 Unstructured：安裝、Docker部署及PDF文檔解析示例

快速上手 Unstructured：安裝、Docker部署及PDF文檔解析示例

1. 核心概念 1.1 Unstructured簡介 Unstructured 是一個強大的 Python 庫，專注于從非結構化數據中提取和預處理文本信息，廣泛應用于 PDF、Word 文檔、HTML 等多種格式的文件處理。其核心功能包括分區、清理、暫存和分塊，能夠將復雜的非結構化文檔轉換為結構化輸出，為后續…
閱讀更多...
pyecharts介紹

pyecharts介紹

文章目錄 介紹安裝pyecharts基本使用全局配置選項 折線圖相關配置地圖模塊使用柱狀圖使用 介紹 echarts慮是個由百度開源的數據可視化，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可，而Pyhon是門富有表達力的語言&a…
閱讀更多...
Fisher信息矩陣與Hessian矩陣：區別與聯系全解析

Fisher信息矩陣與Hessian矩陣：區別與聯系全解析

Fisher信息矩陣與Hessian矩陣：區別與聯系全解析 在統計學和機器學習中，Fisher信息矩陣（FIM）和Hessian矩陣是兩個經常出現的概念，它們都與“二階信息”有關，常用來描述函數的曲率或參數的敏感性。你可能聽說…
閱讀更多...
python與C系列語言的差異總結（1）

python與C系列語言的差異總結（1）

/ 表示浮點除法 // 表示整數除法 print(8/3)print(8//3)布爾型 False/True 首字母大寫 整數的大小是沒有限制的，會根據需要自動增長，僅受限于可用內存的大小。 m**n表示m的n次方 x 4.3 ** 2.4print(x)print(3.5e30 * 2.77e45)print(1000000001.0 *…
閱讀更多...
Python selenium 庫

Python selenium 庫

Selenium 是一個用于自動化 Web 瀏覽器操作的強大工具，廣泛應用于 Web 應用程序測試、網頁數據抓取和任務自動化等場景。 Selenium 為各種編程語言提供了 API，用作測試。 目前的官方 API 文檔有 C#、JavaScript、Java、Python、Ruby。 安裝 Selenium 和…
閱讀更多...
vllm部署LLM（qwen2.5，llama，deepseek）

vllm部署LLM（qwen2.5，llama，deepseek）

目錄 環境 qwen2.5-1.5b-instruct 模型下載 vllm 安裝 驗證安裝 vllm 啟動 查看當前模型列表 OpenAI Completions API（文本生成） OpenAI Chat Completions API（chat 對話） vllm 進程查看，kill llama3 deep…
閱讀更多...
Python NumPy庫使用指南：從入門到精通

Python NumPy庫使用指南：從入門到精通

1. 引言 NumPy（Numerical Python）是 Python 中用于科學計算的核心庫之一。它提供了強大的多維數組對象（ndarray），以及一系列高效的數學函數，能夠輕松處理大規模的數值數據。NumPy 是許多其他科學計算庫（如 Pandas、Matplotlib、Scikit-learn 等）的基礎。 本文將詳細介…
閱讀更多...
15.2 智能銷售顧問系統技術架構解密：構建企業級知識驅動型對話引擎

15.2 智能銷售顧問系統技術架構解密：構建企業級知識驅動型對話引擎

智能銷售顧問系統技術架構解密：構建企業級知識驅動型對話引擎 關鍵詞：RAG 架構設計、銷售知識庫系統、LoRA 微調優化、多模態交互引擎、高并發服務部署 1. 系統技術架構全景解析 1.1 核心架構設計圖 #mermaid-svg-UBkTgaR5lf5WfGMa {font-family:"trebuchet ms",…
閱讀更多...
用PyTorch從零構建 DeepSeek R1：模型架構和分步訓練詳解

用PyTorch從零構建 DeepSeek R1：模型架構和分步訓練詳解

DeepSeek R1 的完整訓練流程核心在于，在其基礎模型 DeepSeek V3 之上，運用了多種強化學習策略。 本文將從一個可本地運行的基礎模型起步，并參照其技術報告，完全從零開始構建 DeepSeek R1，理論結合實踐，逐步…
閱讀更多...
爬蟲基礎入門之爬取豆瓣電影Top250-Re正則的使用

爬蟲基礎入門之爬取豆瓣電影Top250-Re正則的使用

網址:豆瓣電影 Top 250 本案例所需要的模塊 requests (用于發送HTTP請求)re (用于字符串匹配和操作) 確定需要爬取的數據 ： 電影的名稱電影的年份電影的評分電影評論人數 一. 發送請求 模擬瀏覽器向服務器發送請求 準備工作 -分析頁面: F12 or 右擊點擊檢查 查看…
閱讀更多...
力扣hot100——島嶼數量 島嶼問題經典dfs總結

力扣hot100——島嶼數量 島嶼問題經典dfs總結

給你一個由 1（陸地）和 0（水）組成的的二維網格，請你計算網格中島嶼的數量。 島嶼總是被水包圍，并且每座島嶼只能由水平方向和/或豎直方向上相鄰的陸地連接形成。 此外，你可以假設該網格的四條邊…
閱讀更多...
FPGA DSP：Vivado 中帶有 DDS 的 FIR 濾波器

FPGA DSP：Vivado 中帶有 DDS 的 FIR 濾波器

本文使用 DDS 生成三個信號，并在 Vivado 中實現低通濾波器。低通濾波器將濾除相關信號。 介紹 用DDS生成三個信號，并在Vivado中實現低通濾波器。低通濾波器將濾除較快的信號。 本文分為幾個主要部分： 信號生成：展示如何使用DDS&am…
閱讀更多...
MessageAuthenticator

MessageAuthenticator

MessageAuthenticator https://coova.github.io/JRadius/ https://coova.github.io/JRadius/ import org.tinyradius.packet.RadiusPacket; import org.tinyradius.util.RadiusUtil; import java.nio.charset.StandardCharsets;public class RadiusAuthUtils {/*** 生成 RADI…
閱讀更多...
最新文章

Copyright @ 2022~2023