目 录CONTENT

文章目录

Pony的left-join

phyger
2022-06-19 / 0 评论 / 2 点赞 / 532 阅读 / 2,682 字 / 正在检测是否收录...

1、前言

上篇我们了解了Pony ORM框架的基本用法,今天我们一起来学习下pony的left-join。

left-join使我们日常工作中用的最多的多表联合查询语句,左连接即有两个表A、B,A的keya是B的keyb的外键,那么我们可以通过left-join将B表左连接到A表的左边,通过A表的keya找到能够匹配到keyb的B表内容,未匹配成功的行使用None(null)填充。这样就实现了左连接的查询。

左连接以左表为主,所以左表未匹配成功的行使用None填充。但是结果表的字段我们可以根据自己的需要去选择A表或者B表的字段组合完成。

2、快速开始

2.1、理论分析

我们继续使用上篇的数据库表,对于person和car两张表,person的cars和car的关系是一对多;而car的owner和person的关系是一对一。

当我们需要查询哪些车有主人,即哪些人有车时,就需要用到person left-join car;

注意:查询结果以car表为主,即未匹配成功的数据将会被None填充。另,car中owner无数据的将会被过滤掉。

2.1.1、原始表

person表:

# person表:
# 13	phyger-0	18	
# 14	phyger-1	18	
# 15	phyger-2	18	
# 16	phyger-3	18	
# 17	phyger-4	18	
# 18	phyger-5	18	
# 19	phyger-6	18	
# 20	phyger-7	18	
# 21	phyger-8	18	
# 22	phyger-9	18	
# 23	phyger-10	18

car表:

# car表
# 1	byd	宋Pro-Dmi	NULL	
# 2	吉利	星越L	    13	
# 3	哈佛	H6	      13

2.1.2、person left join car

# person  left-join  car  之后:
# p.id ---------------------------------- c.owner
# 13	phyger-0	18	1	byd	宋Pro-Dmi	     NULL(x)
# 14	phyger-1	18	2	吉利	星越L	         13  (√)	//和13匹配成功一条
# 15	phyger-2	18	3	哈佛	H6	          13  (√)   //又和13匹配成功一条
# 16	phyger-3	18	
# 17	phyger-4	18	
# 18	phyger-5	18	
# 19	phyger-6	18	
# 20	phyger-7	18	
# 21	phyger-8	18	
# 22	phyger-9	18	
# 23	phyger-10	18

2.1.3、p的id和c的owner匹配后

# on p.id==c.owner 匹配之后:
# p.id ---------------------------------- c.owner
# 13	phyger-0	18	2	吉利	  星越L	        13
# 13	phyger-0	18	2 哈佛	  H6	          13	
# 14	phyger-1	18	↘ 全部None补全
# 15	phyger-2	18	
# 16	phyger-3	18	
# 17	phyger-4	18	
# 18	phyger-5	18	
# 19	phyger-6	18	
# 20	phyger-7	18	
# 21	phyger-8	18	
# 22	phyger-9	18	
# 23	phyger-10	18

2.2、代码实现

首先,我们写一个函数去实现left-join。因为需要使用db_session去解决数据库的优雅连接问题,所以我们使用函数去做。

# left-join,结果以car表(左表)为主,结果的结构自己定义
@db_session
def lftj():
    '''
    @note: 左连接即将后表链接在前表的左边
    @code: left_join((p, c.name) for p in Person for c in p.cars)
         此段代码的意思是:
            将car表连接在person表的左边,当p的id等于c的owner时,匹配成功。(即找到有车的人)
    @对应的SQL:        
            SELECT "p", "c"."name"
            FROM "person" "p"
            LEFT JOIN "car" "c"
            ON "p"."id" = "c"."owner"
            GROUP BY "p"."id"
    '''
    for i in left_join((p, c.name) for p in Person for c in p.cars):
        print(i)

以上代码的核心就是left_join((p, c.name) for p in Person for c in p.cars),首先这段代码的返回值是一个query对象,是可迭代的;其次,left_join的第一个参数就是结果表结构,即p对象和c的name两列;for p in Person就相当于FROM "person" "p",即从Person表查询,别名为p;for c in p.cars最重要,它表达的意思就是left join Car且ON "p"."id" = "c"."owner",最终返回一个query对象。

然后我们对这个query对象进行遍历打印。

代码运行结果:

左连接结果

这个查询结果表示,所有车有主人的是吉利和哈佛;而且吉利和哈佛的主人都是Person[13]。

对于这个结果表结构,我们可以在left-join的第一个参数中进行定义。

...
for i in left_join((p.name,p.age, c.name) for p in Person for c in p.cars):
        print(i)

以上代码的执行结果:

自定义结果表字段

2.3、去掉None

我想实际开发中,我们经常会需要将这些未匹配成功的数据过滤掉,当然我们可以通过left-join后进行过滤,但是这样就多了一步,值得高兴的是Pony的select就可以同时实现left-join和过滤None的效果。

# 联合查询,结果是交集,结果的结构自己定义
@db_session
def xx():
    for i in select((p.name,p.age, c.name) for p in Person for c in p.cars):
        print(i)
        
if __name__ == '__main__':
    db.generate_mapping(create_tables=True)
    xx()

通过上述代码,我们可以看到select和left-join的语法完全一样,只是结果有区别。

代码执行结果:

select的left-join效果

3、最后

其实只要了解了left-join的原理,不论我们使用何种ORM框架,其底层SQL都是一致的。

2

评论区