统计
Django 数据库抽象 API 描述了如何创建、检索、更新和 删除独立的对象。但是,有时你会需要处理一些有关对象的集合的统计。本文描述如何使用 Django 查询来处理统计。
本文我们将使用以下模型。这些模型用于在线书店图书清单:
生成整个查询集的统计
Django 提供两种方法来产生统计。第一种方法是产生整个 查询集 的统计。假设我们 要统计所有书的平均价格。 Djnago 中查询所有书的语句为:
在这个语句后加上一个 aggregate() 子句就行了:
上例中的 all() 是多余的。所以可以简写为:
aggregate() 子句的参数代表我们要统计的内容,本例中我们要统计 Book 模型 中 price 字段的平均值。 查询集参考中可以 找到完整的统计函数列表。
aggregate() 是一个 查询集 的未端子句,调用后会返回一个由名称-值配对 组成的字典。名称是指统计的名称,值就是统计的值。名称由字段名称加上函数名自动 组成。如果你想手动指定统计名称,可以象下例在统计子句中定义:
如果你想要生成多个统计,那么只要在统计子句后加上另外的统计子句就可以了。例如, 如果要计算所有书价中最高价和最低价,可以这样写:
生成查询集中每一个项目的统计
第二种方法是为 查询集 中每个独立的对象生成统计。例如,当你检索一个书单时, 可能想知道每本书有几个作者。每本书与每个作者之间是一个多对多的关系,我们要为每 本书总结这个关系。
要产生每个对象的统计可以使用 annotate() 子句。当定义一个 annotate() 子句后, 查询集 中的每个对象就可以与特定值关联,相当于每个对象有一个 “注释”。
这种注释的语法与 aggregate() 相同。 annotate() 的每个参数代表一个统计。 例如,要计算每本书的作者人数:
和 aggregate() 一样,统计的名称自动由字段名和函数名组成。你也可以在定义统计 时指定名称:
与 aggregate() 不同的是 annotate() 不是 一个未端子句。 annotate() 子句的输出是一个 查询集 。 这个 查询集 可以和其他查询集一样操作,包括 filter() 、 order_by 或者甚至再调用另一个 annotate() 。
联合和统计
至此,我们统计的对象都是被查询的模块本身的字段。但是,有时我们要统计的是被查询 模块的相关联的模块字段。
在统计函数中定义字段时,可以使用与过滤器中用于指定关联字段的 双下划线符号 。通过这种方法, Django 会自动使用 联合来统计相关联的字段。
例如,要统计每个书店中书的价格范围:
上面的例子告诉 Django 检索 Store 模型,联合(通过多对多关系) Book 模型,并且 统计 book 模型中的价格字段,计算最大值和最小值。
aggergate() 子句适用同样规则。如果你想知道所有书店中书的最高价和最低价,可以 这样:
联合的深度是无限的。例如,要统计所有书的作者的最小年龄,你可以这样:
统计和其他查询子句
filter() 和 exclude()
在过滤器中也可以使用统计。任何用于一般模型的 filter() (或 exclude() ) 也可与统计联用。
当与 annotate() 子句联用时,过滤器作用于被统计的对象上。例如要统计书名以 "Django" 开头的书:
当与 aggregate() 子句联用时,过滤器作用于被统计的所有对象上。例如要统计书名 以 "Django" 开头的书的平均价格:
过滤统计的值
统计出来的值也可以被过滤。和其他模型一样,统计的结果也可以使用 filter() 和 exclude() 子句来过滤。
例如,要产生一个由两个以上作者的书单可以这样:
上例先进行统计,然后在统计的结果上使用了过滤器。
annotate() 和 filter() 子句的顺序
当使用同时包含 annotate() 和 filter() 子句的复杂查询时,要特别小心两种 子句的顺序。
当一个 annotate() 子句作用于查询时,该统计只对子句之前的查询起作用。也就是 说 filter() 和 annotate() 顺序不同,查询就不同了。查询:
和查询:
是不同的。两个查询都会返回至少有一本好书(评分大于 3.0 )的出版商。但是,第一个 查询中的统计会提供出版商的所有书的数量;第二个查询中的统计只返回好书的数量。第 一个查询中统计先于过滤器,所以过滤器对统计没有作用。而第二个查询过滤器先于统计, 所以统计的对象是已经过滤过的。
order_by()
统计可以作为排序的基础。当你定义一个 order_by 子句时,可以引用 annotate() 子句中的统计。
例如,要依据书的作者人数进行排序,可以这样:
values()
通常,统计会针对 查询集 中每一个对象返回一个结果。但是,当使用 values 子句来约束要统计的列时,返回的结果会有所不同。原先统计结果中,统计字段的值相同 的项会分组合并统计。
例如,要统计每个作者各自所写的书的平均评分:
返回的结果会包含每一个作者及其所写的书的平均计分。
但是,如果使用 values() 子句,返回的结果会有所不同:
这个例子中会把作者按名字分组统计,返回的结果中不会有重复的作者名字。名字相同的 作者在统计中会作为同一个作者来统计,同名作者所写的书的评分会合并为一个作者的书 来统计。
annotate() 和 values() 子句的顺序
当使用 filter() 子句时, annotate() 和 values() 子句的顺序是非常 重要的。如果 values() 子句先于 annotate() 子句,会按照前文所述的方式 统计。
但是,如果 annotate() 子句先于 values() 子句,那么统计会作用于整个 查询集,而 values() 子句只约束统计输出的字段。
例如,如果我们把前一个例子中的 values() 和 annotate() 子句调换顺序:
这个例子会为每一个作者生成唯一的结果。但是在输了的数据中只会包含作者名和 average_rating 的统计。
你可以注意到 average_rating 在例子中显示地定义了。在 annotate() 和 values() 子句的顺序处于这种情况是必须显式定义。
如果 values() 子句先于 annotate() 子句,那么任何统计会自动添加到输出 结果中。但是 values() 子句在annotate() 子句之后,那么必须显式定义统计 列。
缺省排序或 order_by() 子句的副作用
一个查询集中 order_by() 子句中的字段(或一个模型中缺省排序字段)会对输了 数据产生影响,即使在 values() 中没有这些字段的定义时也同样会影响。这些特殊 的字段会影响统计结果,这种情况在计数统计时尤为明显。
假设有一个这样的模型:
这里的重点是作为缺省排序的 name 字段。如果你想要统计不重复的 data 值 出现了多少次,你可能会使用如下语句:
...这个语句看似会根据 data 值分组统计 Item 对象的 id 。但统计结果中 name 字段也会参与其中,所以这个语句实际的是不重复的 (data, name) 配对, 而这不是我们所要的结果,因此我们应当这样统计:
...这里我们通过一个空的“ order_by() ” 来清除副作用。
这个行为与在查询集文档中 distinct() 提到的 一样。通常的规则是:当你不想要额外的字段在统计结果中产生作用时,必须清空排序的 内容或者至少确认 values() 子句中的字段已经限制了这些额外字段。
Note
你可以会问为什么 Django 不去除这些字段的影响。主要的原因是为维护 distinct() 的一贯性和一个原则: Django 从不 删除你的排序定义(我们 不会改变那么模型方法的行为,否则就会违背我们 API stability 策略)。
对小计进行统计
你可以对小计的结果进行统计。在查询中,你可以使用 aggregate() 子句来对 annotate() 的结果进行统计。
例如,假设你要统计每本书的作者人数的平均值,那么首先要计算每本书的作者人数,然后 根据这个结果来统计平均值: