聚合

Django 数据库抽象 API 描述了使用 Django queries 来增删查改单个对象的方法。 然而,有时候你要获取的值需要根据一组对象聚合后才能得到。这个主题指南描述了如何使用 Django queries 来生成和返回聚合值的方法。

整篇指南我们将引用以下模型。这些模型用来记录多个网上书店的库存。

  1. from django.db import models
  2. class Author(models.Model):
  3. name = models.CharField(max_length=100)
  4. age = models.IntegerField()
  5. class Publisher(models.Model):
  6. name = models.CharField(max_length=300)
  7. class Book(models.Model):
  8. name = models.CharField(max_length=300)
  9. pages = models.IntegerField()
  10. price = models.DecimalField(max_digits=10, decimal_places=2)
  11. rating = models.FloatField()
  12. authors = models.ManyToManyField(Author)
  13. publisher = models.ForeignKey(Publisher, on_delete=models.CASCADE)
  14. pubdate = models.DateField()
  15. class Store(models.Model):
  16. name = models.CharField(max_length=300)
  17. books = models.ManyToManyField(Book)

速查表

下面是根据以上模型执行常见的聚合查询:

  1. # Total number of books.
  2. >>> Book.objects.count()
  3. 2452
  4. # Total number of books with publisher=BaloneyPress
  5. >>> Book.objects.filter(publisher__name='BaloneyPress').count()
  6. 73
  7. # Average price across all books.
  8. >>> from django.db.models import Avg
  9. >>> Book.objects.all().aggregate(Avg('price'))
  10. {'price__avg': 34.35}
  11. # Max price across all books.
  12. >>> from django.db.models import Max
  13. >>> Book.objects.all().aggregate(Max('price'))
  14. {'price__max': Decimal('81.20')}
  15. # Difference between the highest priced book and the average price of all books.
  16. >>> from django.db.models import FloatField
  17. >>> Book.objects.aggregate(
  18. ... price_diff=Max('price', output_field=FloatField()) - Avg('price'))
  19. {'price_diff': 46.85}
  20. # All the following queries involve traversing the Book<->Publisher
  21. # foreign key relationship backwards.
  22. # Each publisher, each with a count of books as a "num_books" attribute.
  23. >>> from django.db.models import Count
  24. >>> pubs = Publisher.objects.annotate(num_books=Count('book'))
  25. >>> pubs
  26. <QuerySet [<Publisher: BaloneyPress>, <Publisher: SalamiPress>, ...]>
  27. >>> pubs[0].num_books
  28. 73
  29. # Each publisher, with a separate count of books with a rating above and below 5
  30. >>> from django.db.models import Q
  31. >>> above_5 = Count('book', filter=Q(book__rating__gt=5))
  32. >>> below_5 = Count('book', filter=Q(book__rating__lte=5))
  33. >>> pubs = Publisher.objects.annotate(below_5=below_5).annotate(above_5=above_5)
  34. >>> pubs[0].above_5
  35. 23
  36. >>> pubs[0].below_5
  37. 12
  38. # The top 5 publishers, in order by number of books.
  39. >>> pubs = Publisher.objects.annotate(num_books=Count('book')).order_by('-num_books')[:5]
  40. >>> pubs[0].num_books
  41. 1323

QuerySet 上生成聚合

Django 提供了两种生成聚合的方法。第一种方法是从整个 QuerySet 生成汇总值。比如你想要计算所有在售书的平均价格。Django 的查询语法提供了一种用来描述所有图书集合的方法:

  1. >>> Book.objects.all()

可以通过在 QuerySet 后添加 aggregate() 子句来计算 QuerySet 对象的汇总值。

  1. >>> from django.db.models import Avg
  2. >>> Book.objects.all().aggregate(Avg('price'))
  3. {'price__avg': 34.35}

本例中的 all() 是多余的,所以可以简化成这样的:

  1. >>> Book.objects.aggregate(Avg('price'))
  2. {'price__avg': 34.35}

传递给 aggregate() 的参数描述了我们想要计算的聚合值。在这个例子里,要计算的就是 Book 模型上的 price 字段的平均值。可用的聚合函数列表可以在 QuerySet reference 中找到。

aggregate()QuerySet 的一个终端子句,使用后将返回“名称-值”的字典,其中“名称”就是聚合值的标志,“值”就是计算出的聚合结果。“名称”是根据字段名和聚合函数而自动生成的。如果你想指定一个聚合值的名称,你可以在指定聚合子句的时候提供指定的名称:

  1. >>> Book.objects.aggregate(average_price=Avg('price'))
  2. {'average_price': 34.35}

如果你想生成更多的聚合内容,你需要在 aggregate() 子句中加入其它参数即可。所以,如果我们也想知道所有书中最高和最低的价格,我们可以写这样的查询:

  1. >>> from django.db.models import Avg, Max, Min
  2. >>> Book.objects.aggregate(Avg('price'), Max('price'), Min('price'))
  3. {'price__avg': 34.35, 'price__max': Decimal('81.20'), 'price__min': Decimal('12.99')}

QuerySet 中的每一个条目生成聚合

生成值的汇总的另一个办法是为 QuerySet 的每一个对象生成独立汇总。比如,如果你想检索书籍列表,你可能想知道每一本书有多少作者。每一本书与作者有多对多的关系;我们想在 QuerySet 中为每一本书总结这个关系。

使用 annotate() 子句可以生成每一个对象的汇总。当指定 annotate() 子句,QuerySet 中的每一个对象将对指定值进行汇总。

这些汇总语法规则与 aggregate() 子句的规则相同。annotate() 的每一个参数描述了一个要计算的聚合。比如,注解(annotate)所有书的所有作者:

  1. # Build an annotated queryset
  2. >>> from django.db.models import Count
  3. >>> q = Book.objects.annotate(Count('authors'))
  4. # Interrogate the first object in the queryset
  5. >>> q[0]
  6. <Book: The Definitive Guide to Django>
  7. >>> q[0].authors__count
  8. 2
  9. # Interrogate the second object in the queryset
  10. >>> q[1]
  11. <Book: Practical Django Projects>
  12. >>> q[1].authors__count
  13. 1

aggregate() 一样,注解的名称是根据聚合函数和被聚合的字段名自动生成的。当你在指定注解的时候,你可以通过提供一个别名重写这个默认名:

  1. >>> q = Book.objects.annotate(num_authors=Count('authors'))
  2. >>> q[0].num_authors
  3. 2
  4. >>> q[1].num_authors
  5. 1

aggregate() 不同的是,annotate() 不是终端子句。annotate() 子句的输出就是 QuerySet;这个 QuerySet 被其他 QuerySet 操作进行修改,包括 filter()`, order_by() ,甚至可以对 annotate() 进行额外调用。

组合多个聚合

使用 annotate() 组合多个聚合将产生错误的结果( yield the wrong results ),因为它使用连接(joins)而不是子查询:

  1. >>> book = Book.objects.first()
  2. >>> book.authors.count()
  3. 2
  4. >>> book.store_set.count()
  5. 3
  6. >>> q = Book.objects.annotate(Count('authors'), Count('store'))
  7. >>> q[0].authors__count
  8. 6
  9. >>> q[0].store__count
  10. 6

对大部分聚合来说,没办法避免这个问题,但是,Count 聚合可以使用 distinct 参数来避免:

  1. >>> q = Book.objects.annotate(Count('authors', distinct=True), Count('store', distinct=True))
  2. >>> q[0].authors__count
  3. 2
  4. >>> q[0].store__count
  5. 3

如有疑问,请检查 SQL 查询!

为了搞清楚你的查询发生了什么问题,你得在 QuerySet 中检查一下``query`` 属性。

连接(Joins)和聚合

到目前为止,我们已经处理了被查询模型字段的聚合。然而,有时候想聚合的值属于你正在查询模型的关联模型。

在聚合函数里面指定聚合的字段时,Django 允许你在过滤相关字段的时候使用相同的双下划线表示法。Django 将处理任何需要检索和聚合的关联值的表连接(table joins)。

比如,要寻找每个书店提供的书籍价格区间,你可以使用这个注解(annotation):

  1. >>> from django.db.models import Max, Min
  2. >>> Store.objects.annotate(min_price=Min('books__price'), max_price=Max('books__price'))

这告诉 Django 去检索 Store 模型,连接(通过多对多关系) Book 模型,并且聚合书籍模型的价格字段来获取最大最小值。

相同规则应用于 aggregate() 从句。如果你想知道任何店铺正在销售的任何书籍的最低最高价,你可以使用这个聚合:

  1. >>> Store.objects.aggregate(min_price=Min('books__price'), max_price=Max('books__price'))

Join 链可以根据你的需求尽可能深。比如,要提取所出售的书籍中最年轻的作者年龄,你可以写这样的查询:

  1. >>> Store.objects.aggregate(youngest_age=Min('books__authors__age'))

反向关系

类似于 跨关系查询 ,你正在查询的在模型和模型字段上的聚合和注解(annotations)可以包含反向关系。关系模型的小写名和双下划线也可以用在这里。

比如我们可以要求所有出版者,注解他们各自的图书库存总数(注意我们如何使用 'book' 来指定 Publisher -> Book 反向外键跳转):

  1. >>> from django.db.models import Avg, Count, Min, Sum
  2. >>> Publisher.objects.annotate(Count('book'))

(查询结果里的每一个 Publisher 会有多余的属性—— book__count 。)

我们也可以找出最古老的一本:

  1. >>> Publisher.objects.aggregate(oldest_pubdate=Min('book__pubdate'))

(结果字典中会有一个叫 'oldest_pubdate' 的键。如果没有指定这样的别名,它将会是一个很长的名字 'book__pubdate__min' 。)

它不仅仅用于外键,它也适用于多对多关系。比如,我们能查询每一个作者,注解作者(共同)创作的书籍总页数(注意我们如何使用 'book' 来指定 Author -> Book 反向多对多跳转):

  1. >>> Author.objects.annotate(total_pages=Sum('book__pages'))

(结果集里的每一个 Author 会有一个额外的属性——total_pages)如果没有指定这样的别名,它将会是一个很长的名字 book__pages__sum

或查询书籍的平均评分:

  1. >>> Author.objects.aggregate(average_rating=Avg('book__rating'))

(结果字典会有一个叫 'average_rating' 的键。如果没有指定这样的别名,它将会是一个很长的名字 'book__rating__avg'。)

聚合和其他 QuerySet 子句

filter()exclude()

聚合也可以参与过滤。任何应用于普通模型字段的 filter() (或 exclude())会具有约束被认为是聚合的对象的效果。

当使用 annotate() 从句,过滤器具有约束计算注解的对象的效果。比如,你可以使用查询生成一个所有书籍的注解列表,这个列表的标题以 “Django” 开头。

  1. >>> from django.db.models import Avg, Count
  2. >>> Book.objects.filter(name__startswith="Django").annotate(num_authors=Count('authors'))

当使用 aggregate() 子句,过滤器将具有约束计算聚合的对象的效果。比如,你可以使用查询生成所有标题以 “Django” 开头的平均价格。

  1. >>> Book.objects.filter(name__startswith="Django").aggregate(Avg('price'))

过滤注解

注解过的值也可以使用过滤器。注解的别名可以和任何其他模型字段一样使用 filter()exclude() 子句。

比如,要生成多名作者的书籍列表,可以发出这种查询:

  1. >>> Book.objects.annotate(num_authors=Count('authors')).filter(num_authors__gt=1)

这个查询生成一个注解结果集,然后生成一个基于注解的过滤器。

如果你需要两个带有两个独立的过滤器的注解,你可以在任何聚合中使用 filter 语句。比如,要生成一个带有高评价书籍的作者列表:

  1. >>> highly_rated = Count('book', filter=Q(book__rating__gte=7))
  2. >>> Author.objects.annotate(num_books=Count('book'), highly_rated_books=highly_rated)

结果集中的每个 Author 都有 num_bookshighly_rated_books 属性。参见 条件聚合

filterQuerySet.filter() 中做选择

避免在单个注解和聚合中使用 filter 语句。使用 QuerySet.filter() 来排除列会很高效。聚合 filter 语句只在使用具有不同条件的相同关系的两个或以上的聚合时有用。

annotate()filter() 子句的顺序

当开发一个涉及 annotate()filter() 子句的复杂查询时,要特别注意应用于 QuerySet 的子句的顺序。

当一个 annotate() 子句应用于查询,会根据查询状态来计算注解,直到请求的注解为止。这实际上意味着 filter()annotate() 不是可交换的操作。

比如:

  • 出版者A有两本评分4和5的书。
  • 出版者B有两本评分1和4的书。
  • 出版者C有一本评分1的书。

下面就是 Count 聚合的例子:

  1. >>> a, b = Publisher.objects.annotate(num_books=Count('book', distinct=True)).filter(book__rating__gt=3.0)
  2. >>> a, a.num_books
  3. (<Publisher: A>, 2)
  4. >>> b, b.num_books
  5. (<Publisher: B>, 2)
  6. >>> a, b = Publisher.objects.filter(book__rating__gt=3.0).annotate(num_books=Count('book'))
  7. >>> a, a.num_books
  8. (<Publisher: A>, 2)
  9. >>> b, b.num_books
  10. (<Publisher: B>, 1)

两个查询返回出版者列表,这些出版者至少有一本评分3的书,因此排除了C。

在第一个查询里,注解优先于过滤器,因此过滤器没有影响注解。distinct=True 用来避免 a query bug

第二个查询每个发布者评分3以上的书籍数量。过滤器优先于注解,因此过滤器约束计算注解时考虑的对象。

这里是另一个关于 Avg 聚合的例子:

  1. >>> a, b = Publisher.objects.annotate(avg_rating=Avg('book__rating')).filter(book__rating__gt=3.0)
  2. >>> a, a.avg_rating
  3. (<Publisher: A>, 4.5) # (5+4)/2
  4. >>> b, b.avg_rating
  5. (<Publisher: B>, 2.5) # (1+4)/2
  6. >>> a, b = Publisher.objects.filter(book__rating__gt=3.0).annotate(avg_rating=Avg('book__rating'))
  7. >>> a, a.avg_rating
  8. (<Publisher: A>, 4.5) # (5+4)/2
  9. >>> b, b.avg_rating
  10. (<Publisher: B>, 4.0) # 4/1 (book with rating 1 excluded)

第一个查询请求至少有一本评分3以上的书籍的出版者的书籍平均分。第二个查询只请求评分3以上的作者书籍的平均评分。

很难凭直觉了解ORM如何将复杂的查询集转化为SQL查询,因此当有疑问时,请使用 str(queryset.query)` 检查SQL,并写大量的测试。

order_by()

注解可以当做基本排序来使用。当你定义了一个 order_by() 子句,你提供的聚合可以引用任何定义为查询中 annotate() 子句的一部分的别名。

比如,通过书籍的作者数量来对书籍的 QuerySet 排序,你可以使用下面的查询:

  1. >>> Book.objects.annotate(num_authors=Count('authors')).order_by('num_authors')

values()

通常,注解值会添加到每个对象上,即一个被注解的 QuerySet 将会为初始 QuerySet 的每个对象返回一个结果集。然而,当使用 values() 子句来对结果集进行约束时,生成注解值的方法会稍有不同。不是在原始 QuerySet 中对每个对象添加注解并返回,而是根据定义在 values() 子句中的字段组合先对结果进行分组,再对每个单独的分组进行注解,这个注解值是根据分组中所有的对象计算得到的。

下面是一个关于作者的查询例子,查询每个作者所著书的平均评分:

  1. >>> Author.objects.annotate(average_rating=Avg('book__rating'))

这段代码返回的是数据库中的所有作者及其所著书的平均评分。

但是如果你使用 values() 子句,结果会稍有不同:

  1. >>> Author.objects.values('name').annotate(average_rating=Avg('book__rating'))

在这个例子中,作者会按名字分组,所以你只能得到不重名的作者分组的注解值。这意味着如果你有两个作者同名,那么他们原本各自的查询结果将被合并到同一个结果中;两个作者的所有评分都将被计算为一个平均分。

annotate()values() 的顺序

和使用 filter() 一样,作用于某个查询的 annotate()values() 子句的顺序非常重要。如果 values() 子句在 annotate() 之前,就会根据 values() 子句产生的分组来计算注解。

然而如果 annotate() 子句在 values() 之前,就会根据整个查询集生成注解。这种情况下,values() 子句只能限制输出的字段。

举个例子,如果我们颠倒上个例子中 values()annotate() 的顺序:

  1. >>> Author.objects.annotate(average_rating=Avg('book__rating')).values('name', 'average_rating')

这段代码将为每个作者添加一个唯一注解,但只有作者姓名和 average_rating 注解会返回在输出结果中。

你应该也会注意 average_rating 已经明确包含在返回的值列表中。这是必需的,因为 values()annotate() 子句的顺序。

如果 values() 子句在 annotate() 子句之前,任何注解将自动添加在结果集中。然而,如果 values() 子句应用在 annotate() 子句之后,则需要显式包含聚合列。

Interaction with order_by()

Fields that are mentioned in the order_by() part of a queryset are used when selecting the output data, even if they are not otherwise specified in the values() call. These extra fields are used to group “like” results together and they can make otherwise identical result rows appear to be separate. This shows up, particularly, when counting things.

举个例子,假设你有这样的模型:

  1. from django.db import models
  2. class Item(models.Model):
  3. name = models.CharField(max_length=10)
  4. data = models.IntegerField()

If you want to count how many times each distinct data value appears in an ordered queryset, you might try this:

  1. items = Item.objects.order_by('name')
  2. # Warning: not quite correct!
  3. items.values('data').annotate(Count('id'))

…which will group the Item objects by their common data values and then count the number of id values in each group. Except that it won’t quite work. The ordering by name will also play a part in the grouping, so this query will group by distinct (data, name) pairs, which isn’t what you want. Instead, you should construct this queryset:

  1. items.values('data').annotate(Count('id')).order_by()

清除任何查询中的排序。你也可以通过 data 排序,没有任何有害影响,因为它已经在查询中发挥了作用。

这个行为与 distinct() 的查询文档指出的行为相同,一般规则是一样的:通常情况下,你不希望额外的列在结果中发挥作用,因此要清除排序,或者至少确保它只限于您在 values() 调用中选择的那些字段。

注解

你可以会问为什么 Django 没有移除无关的列。主要原因就是与 distinct() 和其他地方的一致性:Django从不删除你指定的排序约束(我们不能改变其他方法的行为,因为这会违反我们的应用编程接口的稳定性政策)。

聚合注解

你也可以在注解结果上生成聚合。当你定义 aggregate() 子句时,你提供的聚合可以引用任何定义在查询中 annotate() 子句的别名。

比如,如果你想计算每本书的平均作者数,首先使用作者数注解书籍集合,然后引用注解字段聚合作者数:

  1. >>> from django.db.models import Avg, Count
  2. >>> Book.objects.annotate(num_authors=Count('authors')).aggregate(Avg('num_authors'))
  3. {'num_authors__avg': 1.66}