WedX - журнал о программировании и компьютерных науках

Django добавляет агрегатную операцию к результату запроса

Я пытаюсь выполнить агрегированную операцию между двумя таблицами с помощью Django, мои модели:

class Cusinetype(models.Model):
    hometype_en = models.TextField()
    active = models.BooleanField()
    hometype_es = models.TextField(blank=True, null=True)

    class Meta:
        managed = False
        db_table = 'cusinetype'

class Foodpreferences(models.Model):
    id_client = models.ForeignKey(Client, models.DO_NOTHING, db_column='id_client')
    id_cusinetype = models.ForeignKey(Cusinetype, models.DO_NOTHING, db_column='id_cusinetype')
    created_at = models.DateTimeField()

    class Meta:
        managed = False
        db_table = 'foodpreferences'

Запрос, который я пытаюсь построить:

SELECT 
    ct.id, 
    ct.hometype_en, 
    ct.hometype_es 
    , 
    ((SELECT COUNT(*) 
        FROM foodpreferences fp 
        WHERE fp.id_cusinetype = ct.id AND fp.id_client = 3    ) > 0 ) selected
FROM
    Cusinetype ct

Я пытаюсь создать модель для хранения информации об этих таблицах в одном запросе, но все работает. У кого-то есть идея, как это сделать?


Ответы:


1

сериализаторы.py

class PreferencesSerializer(serializers.ModelSerializer):
    selected = serializers.IntegerField()

    class Meta:
        model = Cusinetype
        fields = ('id', 'trucktype_en', 'trucktype_es', 'selected')

views.py

    qs = Cusinetype.objects.filter().filter(active = True)
            qs = qs.annotate(    
                selected=Sum(Case(
                    When(foodpreferences__id_client=3, then=1),
                    output_field=IntegerField()
                ))

            )
        serializers = PreferencesSerializer(qs, many = True)
        return Response({ "result": serializers.data })
28.09.2017
  • Результат этого решения правильный, но запрос использует гораздо более медленный запрос, чем вы ожидали в примере SQL. Вы читаете Foodpreferences всех клиентов. Я рекомендую использовать подзапрос Exists(). Пример настолько похож, что не нуждается в дополнительных комментариях. Было бы хорошо поместить туда лучшее решение и принять его. 29.09.2017
  • Новые материалы

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

    ИИ в аэрокосмической отрасли
    Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


    Для любых предложений по сайту: [email protected]