Django笔记之数据库函数之日期函数

news/2024/11/24 10:50:55/

日期函数主要介绍两个大类,Extract() 和 Trunc()

Extract() 函数作用是提取日期,比如我们可以提取一个日期字段的年份,月份,日等数据

Trunc() 的作用则是截取,比如 2022-06-18 12:12:12,我们可以根据需求获取到日期 2020-06-18,或者更细粒度到时分秒

这次我们用到下面这个 model:

class Experiment(models.Model):start_datetime = models.DateTimeField()start_date = models.DateField(null=True, blank=True)start_time = models.TimeField(null=True, blank=True)end_datetime = models.DateTimeField(null=True, blank=True)end_date = models.DateField(null=True, blank=True)end_time = models.TimeField(null=True, blank=True)

我们还是将其放到 blog/models.py 下,相关的 migration 操作这里不多做介绍

  1. Extract()
  2. Trunc()

1、Extract()

这个函数接受日期时间字段名称,和查询的年、月、日、时、分、秒等作为参数,提取出相应的值以整数类型返回

日期类型字段包括:DateTimeField,DateField,TimeField
提取的类型列举如下:

  • year——年份
  • quarter——季度
  • month——月份
  • day——某日
  • week——周数,一年的第几周
  • weekday——周几,周日的值是1,周一是2,一直到周六是7
  • hour——小时
  • minute——分钟
  • second——秒数

首先创建测试用的数据:

from datetime import datetime
start = datetime(2015, 6, 15, 12, 30, 56)
end = datetime(2015, 7, 2, 17, 21, 43)from blog.models import Experiment
Experiment.objects.create(start_datetime=start, start_date=start.date(),end_datetime=end, end_date=end.date())

新增字段获取开始时间的年份,周数,周几以及该天的小时数

from blog.models import Experiment
from django.db.models.functions import Extractexperiment = Experiment.objects.annotate(start_year=Extract('start_datetime', 'year'),start_week=Extract('start_datetime', 'week'),start_week_day=Extract('start_datetime', 'week_day'),start_hour=Extract('start_datetime', 'hour')
).get(id=1)print(experiment.start_year)
print(experiment.start_week)
print(experiment.start_week_day)
print(exprtiment.start_hour)

搜索特定年份数据

Extract() 函数的用法也可以用于搜索特定的日期的某一项,比如某年,某月等

Experiment.objects.filter(start_datetime__year=Extract('end_datetime', 'year'))

具体到日期某一项的用法

前面介绍了 Extract() 函数的用法是,接收字段名和日期项,Django 同时提供了另一种简便的、比Extract()函数更具体的用法。

比如我们需要需要搜索年,可以直接使用函数为 ExtractYear()

搜索月,使用函数 ExtractMonth()等等。

每一种在我们上面可接收的参数都有其对应的函数,传参为需要处理的字段,以下是使用示例:

from blog.models import Experiment
from django.db.models.functions import ExtractYear, ExtractWeek
expriment = Experiment.objects.annotate(start_year=ExtractYear('start_datetime'),start_week=ExtractWeek('start_datetime')
).get(id=1)print(expriment.start_year)
print(expriment.start_week)

如果是周数、时、分、秒的操作,函数名将上面的年月日的英文替换即可

2、Trunc()

这是一个对日期和时间截取的函数,我们可以将时间精确到 年、季度、月、日、时、分、秒

接受三个参数:

  • expression: 字段,可以是 DateField, DateTimeField, TimeField 等
  • kind: 精确到的程度,可以是 year,day,quarter等
  • output_field: 输出格式,可以根据 kind 的值设置到最小值,如果不传这个参数,则默认是expression 的值

假设一个日期时间为 2022–05-16 12:34:56

我们可以挨个处理一下:

# 创建数据
from datetime import datetime
start_datetime = datetime(year=2022, month=5, day=16, hour=12, minute=34, second=56)Experiment.objects.create(start_datetime=start_datetime)from django.db.models.functions import Trunc
from django.db import modelsexperiment = Experiment.objects.annotate(start_year=Trunc('start_datetime', 'year', output_field=models.DateField()),start_quarter=Trunc('start_datetime', 'quarter', output_field=models.DateField()),start_month=Trunc('start_datetime', 'month', output_field=models.DateField()),start_day=Trunc('start_datetime', 'day', output_field=models.DateField()),start_hour=Trunc('start_datetime', 'hour', output_field=models.DateTimeField()),start_minute=Trunc('start_datetime', 'minute', output_field=models.DateTimeField()),start_second=Trunc('start_datetime', 'second', output_field=models.DateTimeField()),
).get(id=2)

然后挨个 print() 他们的结果如下:

>>> print(experiment.start_year)
2022-01-01
>>> print(experiment.start_quarter)
2022-04-01
>>> print(experiment.start_month)
2022-05-01
>>> print(experiment.start_day)
2022-05-16
>>> print(experiment.start_hour)
2022-05-16 12:00:00+00:00
>>> print(experiment.start_minute)
2022-05-16 12:34:00+00:00
>>> print(experiment.start_second)
2022-05-16 12:34:56+00:00

需要注意的是,截取到年、月、季度的数据,因为不关心当前时间刻度之下的数据,所以日期的日,都会被置为1,时间都会是0

从输出的结果看,日期时间都精确到了我们设置的细度,那么我们就可以利用这个来进行年度、月度、季度、以及日度等一些数据的统计

接下来以日度数据为例,我们做一下统计,统计每一天的数据的数量:

from django.db.models import Count
Experiment.objects.annotate(start_day=Trunc("start_datetime", "day", output_field=models.DateField())).values("start_day").annotate(count_day=Count("id"))

与 Extract() 函数类似,Trunc() 函数也有一些可以直接操作到时间的函数,比如 TruncYear(), TruncMonth() 这种,这里就不展开介绍了。

以上就是本篇笔记全部内容,下一篇将介绍数据库函数里计算公式相关函数。 

 


http://www.ppmy.cn/news/1026991.html

相关文章

宿舍管理系统--前后端分离式项目架构流程复盘(三万字详解)

文章目录 🐒个人主页🏅JavaEE系列专栏📖前言:【🎇前端】先创建Vue-cli项目(版本2.6.10,仅包含babel),请选择此项目并创建 【整理简化项目模板】【🎀创建路由】…

深入理解MySQL锁机制原理

在数据库系统中,为了保证数据的一致性和并发控制,锁机制发挥着至关重要的作用。尤其在关系型数据库MySQL中,其独特的锁机制设计更是赢得了许多开发者的喜爱。 本文将详细探讨MySQL的锁机制,包括其类型、工作原理以及如何优化使用…

SharePoint 审核和监控工具

审核在顺利的 SharePoint 管理中起着重要作用,尤其是在满足法规遵从性和取证要求方面。为避免数据泄露,必须了解谁来自哪个组访问了哪个文档,以及谁创建或删除了网站或网站集。 审核 SharePoint 服务器 SharePoint采用率的提高导致企业在其…

深入理解与运用Android Jetpack ViewModel

在Android开发中,数据与界面的分离一直是一项重要的挑战。为了解决这个问题,Google推出了Android Jetpack组件之一的ViewModel。ViewModel是一种用于管理UI相关数据的架构组件,它能够帮助开发者实现优雅的数据驱动和生命周期管理。本文将深入…

日撸java_day61-62

决策树 package machineLearning.decisiontree;import weka.core.Instance; import weka.core.Instances;import java.io.FileReader; import java.util.Arrays;/*** ClassName: ID3* Package: machineLearning.decisiontree* Description: The ID3 decision tree inductive …

预测知识 | 神经网络、机器学习、深度学习

预测知识 | 预测技术流程及模型评价 目录 预测知识 | 预测技术流程及模型评价神经网络机器学习深度学习参考资料 神经网络 神经网络(neural network)是机器学习的一个重要分支,也是深度学习的核心算法。神经网络的名字和结构,源自…

【数据结构•堆】经典问题:k路归并

题目描述 k路归并问题&#xff1a;   把k个有序表合并成一个有序表。&#xff08; k < 10^4 &#xff09; 输入输出格式 输入格式&#xff1a; 输入数据共有 2*k1 行。   第一行&#xff0c;一个整数k&#xff08; k < 10^4 &#xff09;&#xff0c;表示有k个有序…

知识图谱基本工具Neo4j使用笔记 四 :使用csv文件批量导入图谱数据

文章目录 一、系统说明二、说明三、简单介绍1. 相关代码以及参数2. 简单示例 四、实际数据实践1. 前期准备&#xff08;1&#xff09; 创建一个用于测试的neo4j数据库&#xff08;2&#xff09;启动neo4j 查看数据库 2. 实践&#xff08;1&#xff09; OK 上面完成后&#xff0…