Django ORM 注释查找有多少对象有任何相关 object

Question

我目前正在尝试找出一组对象中有多少百分比具有具有特定值的相关 object。 具体来说，我有一个对象表和一个与评论表的一对多关系，我试图找出这些对象中有多少百分比具有特定长度的评论。 这两个表都是来自单独数据集的 ETL output，以便更轻松地进行指标计算。

# Models
class Data(models.Model):
    id = models.AutoField(primary_key=True)
    creator_id = models.IntegerField() # Not a real foreign key

class DataCommenter(models.Model):
    do_id = models.ForeignKey(Data)
    creator_id = models.IntegerField() # Not a real foreign key
    short_comments = models.IntegerField()
    medium_comments = models.IntegerField()
    long_comments = models.IntegerField()

从这些模型中，我有一些正在执行的查询集注释来尝试获取平均值，如下所示：

# QuerySet
class DataQuerySet(models.QuerySet):
    def extensive_comments(self):
        """Get extensive comment raw selection."""
        inner_query = DataCommenter.objects.exclude(
            creator_id=OuterRef("creator_id")
        ).filter(
            Q(medium_comments__gte=1) | Q(long_comments__gte=1), do_id=OuterRef("id")
        )
        return self.annotate(
            raw_extensive_comments=Case(
                When(
                    Exists(inner_query), then=1
                ), default=0, output_field=FloatField()
            )
        )

    def annotate_period(self):
        """Annotation to allow average without aggregation."""
        return self.annotate(period=Value(value=True, output_field=BooleanField()))

QuerySet 附加到数据 model 并按如下方式使用：

Data.objects.all().annotate_period().extensive_comments().values("period").annotate(
    extensive_comments=ExpressionWrapper(Avg(raw_extensive_comments) * 100, output_field=FloatField())
)

我们拥有的数据包括某些 Data 对象的多个 DataCommenter 对象，并且出于某种原因，平均值针对 DataCommenter 对象的数量而不是 Data 对象的数量运行，所以应该是 3/5 数据对象产生 60，我们得到类似于 10/12 并得到 83.33333。 我们有大量其他指标，我们正在使用此处未显示的许多其他字段进行计算，因此我们不能使用aggregate ，并且使用values("period")应该将对象视为单个对包括Avg的后续注释进行分组，并且它们对除此单个计算之外的每个指标都执行此操作。 我们尝试将 inner_query 直接放在注释内部，尝试让内部查询在末尾具有.values("do_id").distinct() ，尝试完全删除查询并直接在数据中使用commenter__medium_comments类型过滤进行操作model，我不知道为什么会这样返回。 任何帮助将不胜感激。

Answer 1

问题中列出的注释是完全正确的，实际问题出在视图本身的 FilterSet 上。 具体来说，我们有一组过滤器查看creator_id ，如下所示（DataCommenter model 与 Data 的相关名称是commenter ）：

class BaseAggregateFilterSet(filters.FilterSet):
    creator_id = filters.NumberFilter(method=filter_by_creator_id")

    def filter_by_creator_id(self, qs, _, value):
        return qs.filter(Q(creator_id=value) | Q(commenter__creator_id=value)).distinct()

我认为该查询末尾的distinct()将确保如果您有 1 个数据 object 和一个具有相同 creator_id 的 DataCommenter object，或者甚至有一个与选择匹配的不同数据，您将只返回单数Data 对象的行。 实际发生的是，有一个隐式的 INNER JOIN 完成，它将每个 Data 对象乘以 DataCommenter 对象的数量。 执行此操作以确保维护仅包含 Data 对象的 QuerySet 的正确方法是按如下方式构建它：

def filter_by_creator_id(self, qs, _, value):
    data_ids = qs.filter(Q(creator_id=value) | Q(commenter__creator_id=value)).values("id").distinct()
    return qs.filter(id__in=data_ids)

一旦我们进行了更改，我们所有返回奇怪的平均值结果的注释都得到了修复，因为它们现在对预期数量的对象进行操作，而不是对某些对象进行多次计数。