peewee常用功能速查

peewee 简介

Peewee是一种简单而小的ORM。它有很少的（但富有表现力的）概念，使它易于学习和直观的使用。

常见orm数据库框架

1. Django ORM
2. peewee
3. SQLAlchemy

Django ORM

优点：
易用，学习曲线短
和Django紧密集合，用Django时使用约定俗成的方法去操作数据库
缺点：
QuerySet速度不给力，会逼我用Mysqldb来操作原生sql语句。

Peewee

优点：
Django式的API，使其易用
轻量实现，很容易和任意web框架集成
缺点：
不支持自动化 schema 迁移
不能像Django那样，使线上的mysql表结构生成结构化的模型。

SQLAlchemy

优点：
巨牛逼的API，使得代码有健壮性和适应性
灵活的设计，使得能轻松写复杂查询
缺点：
工作单元概念不常见
重量级 API，导致长学习曲线

peewee 简单demo

import datetime
from peewee import *

db = MySQLDatabase(
    "test", host="127.0.0.1", port=3306, user="root", passwd="123456"
)
db.connect()


class BaseModel(Model):
    class Meta:
        database = db

class Person(BaseModel):
    name = CharField()
    age = IntegerField()
    height = IntegerField()
    sex = BooleanField(default=\'male\')

if __name__ == "__main__":
    Person.create_table()

    # 创建
    Person.create(name=\'tom\', age=30, height=177)
    
    # 查询
    res = Person.select().where(Person.name==\'tom\')
    print(res)
    print(res[0])
    print(res[0].name)
    print(res[0].age)
    print(res[0].height)
    print(res[0].sex)
>>>>
SELECT `t1`.`id`, `t1`.`name`, `t1`.`age`, `t1`.`High`, `t1`.`sex` FROM `person` AS `t1` WHERE (`t1`.`name` = \'ljk\')
1
tom
30
177
True

Model 和 Field 关系

在ORM对象关系数据库中 Model是一个类，映射到数据库表中就是一个表。Filed是字段，映射到表中就是字段。model实例就是数据库中的一条记录。在peewee中Model和Field的关系如下：

Thing	对应关系
Model 类	表
Field 实例	表中字段
Model 实例	表中数据

数据库连接和model类定义的典型使用

import datetime
from peewee import *

db = SqliteDatabase(\'my_app.db\')

class BaseModel(Model):
    class Meta:
        database = db

class User(BaseModel):
    username = CharField(unique=True)

class Tweet(BaseModel):
    user = ForeignKeyField(User, backref=\'tweets\')
    message = TextField()
    created_date = DateTimeField(default=datetime.datetime.now)
    is_published = BooleanField(default=True)

1. 创建一个数据库实例

db = SqliteDatabase(\'my_app.db\')

2. 创建一个基础model类

class BaseModel(Model):
    class Meta:
        database = db

定义一个用于建立数据库连接的基模类是一种推荐的做法，因为将不必为后续表指定数据库。

3.定义一个普通 model 类

class User(BaseModel):
    username = CharField(unique=True)

模型定义使用的是其他流行的orm(如SQLAlchemy或Django)中看到的声明式风格。因为User继承了BaseModel 类，所以User类可以继承数据库连接。

User已经明确定义了一个具有唯一约束的用户名列。因为我们没有指定主键，peewee 会自动添加一个自增整数主键字段，名为 id。没有指定主键的表peewee会自动创建一个名字为id的自增主键。

Model 模型

为了不污染model的命名空间，model的配置放在特殊的元属性类中。这是从Django的框架中借鉴过来的。

contacts_db = SqliteDatabase(\'contacts.db\')

class Person(Model):
    name = CharField()

    class Meta:
        database = contacts_db

在简单model示例中，你会注意到，我们创建了一个定义数据库的BaseModel，然后扩展了它。这是定义数据库和创建模型的首选方法。
你可以通过ModelClass._meta来使用：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: type object \'Person\' has no attribute \'Meta\'

>>> Person._meta
<peewee.modeloptions object="" at="" 0x7f51a2f03790="">

ModelOptions实现了几个查看model metadata的方法：

{\'id\': <peewee.autofield object="" at="" 0x7f51a2e92750="">,
 \'name\': <peewee.charfield object="" at="" 0x7f51a2f0a510="">}

>>> Person._meta.primary_key
<peewee.autofield object="" at="" 0x7f51a2e92750="">

>>> Person._meta.database
<peewee.sqlitedatabase object="" at="" 0x7f519bff6dd0="">

Model 在ORM数据中就是一张表，那么表的属性可以有如下选项。它们是被定义在Meta中元数据。

Option	Meaning	是否可继承?
database	指定表创建依附的数据库	yes
table_name	表名	no
table_function	生成表名的函数	yes
indexes	多行索引	yes
primary_key	主键	yes
constraints	表约束的列表	yes
schema	模型的数据库架构	yes
only_save_dirty	调用model.save（）时，仅保存脏字段，指定字段？	yes
options	创建表扩展的选项字典	yes
table_settings	在右括号后设置字符串的列表	yes
temporary	指示临时表	yes
legacy_table_names	使用旧表名生成（默认情况下启用）	yes
depends_on	指示此表依赖于另一个表进行创建	no
without_rowid	指示表不应具有rowid（仅限SQLite）	no
strict_tables	指示严格的数据类型（仅限SQLite，3.37+）	yes

Filed 字段

Field类是用来将Model属性映射到数据库列。每个字段类型都有一个相应的SQL存储类，将python数据类型转化为基本的存储类型。
当创建Model类时，fields被定义成类的属性。它看起来和django的数据库框架很类似。

class User(Model):
    username = CharField()
    join_date = DateTimeField()
    about_me = TextField()

在上面的例子中，因为没有field有主键属性primary_key=True，所以会创建一个名字是id的自增主键。
peewee中可用的字段包括：

字段类型	Sqlite	Postgresql	MySQL
AutoField	integer	serial	integer
BigAutoField	integer	bigserial	bigint
IntegerField	integer	integer	integer
BigIntegerField	integer	bigint	bigint
SmallIntegerField	integer	smallint	smallint
IdentityField	not supported	int identity	not supported
FloatField	real	real	real
DoubleField	real	double precision	double precision
DecimalField	decimal	numeric	numeric
CharField	varchar	varchar	varchar
FixedCharField	char	char	char
TextField	text	text	text
BlobField	blob	bytea	blob
BitField	integer	bigint	bigint
BigBitField	blob	bytea	blob
UUIDField	text	uuid	varchar(40)
BinaryUUIDField	blob	bytea	varbinary(16)
DateTimeField	datetime	timestamp	datetime
DateField	date	date	date
TimeField	time	time	time
TimestampField	integer	integer	integer
IPField	integer	bigint	bigint
BooleanField	integer	boolean	bool
BareField	untyped	not supported	not supported
ForeignKeyField	integer	integer	integer

字段初始化参数

所有字段类型接受的参数及其默认值

• null = False 允许空值
• index = False 创建索引
• unique = False 创建唯一索引
• column_name = None 显式指定数据库中的列名
• default = None 默认值，可以使任意值或可调用对象
• primary_key = False 指明主键
• constraints = None 约束条件
• sequence = None 序列名字（如果数据库支持）
• collation = None 排序字段
• unindexed = False 虚表上的字段不应该被索引
• choices = None 两种可选项：value display
• help_text = None 帮助说明字段。表示此字段的任何有用文本的字符串
• verbose_name = None 表示此字段的用户友好名称的字符串
• index_type = None 索引类型

字段特有参数

在一些字段中有些自己特有的参数，如下：

字段类型	特有参数
CharField	max_length
FixedCharField	max_length
DateTimeField	formats
DateField	formats
TimeField	formats
TimestampField	resolution, utc
DecimalField	max_digits, decimal_places, auto_round, rounding
ForeignKeyField	model, field, backref, on_delete, on_update, deferrable lazy_load
BareField	adapt

字段默认参数

peewee可以为每一个字段提供默认值，比如给intergerField 默认值0而不是NULL。你可以申明字段时指定默认值：

class Message(Model):
    context = TextField()
    read_count = IntegerField(default=0)

在某些情况下，默认值是动态的会更有意义。一个可能的场景就是当前时间。Peewee 允许您在这些情况下指定一个函数，该函数的返回值将在创建对象时使用。注意，使用时只提供了函数，并不需要实际调用它。

class Message(Model):
    context = TextField()
    timestamp = DateTimeField(default=datetime.datetime.now)

如果你正在使用一个接受可变类型(list, dict等)的字段，并想提供一个默认值。将默认值包装在一个简单的函数中是个好主意，这样，多个模型实例就不会共享对同一底层对象的引用。

def house_defaults():
    return {\'beds\': 0, \'baths\': 0}

class House(Model):
    number = TextField()
    street = TextField()
    attributes = JSONField(default=house_defaults)

索引

peewee可以通过单列索引和多列索引。可选地包括UNIQUE约束。Peewee还支持对模型和字段的用户定义约束。

单列索引
单列索引使用字段初始化参数定义。下面的示例在用户名字段上添加一个惟一索引，在电子邮件字段上添加一个普通索引

class User(Model):
    username = CharField(unique=True)
    email = CharField(index=True)

在列上添加用户定义的约束。你可以使用constraints参数。例如，您可能希望指定一个默认值，或者添加一个CHECK约束

class Product(Model):
    name = CharField(unique=True)
    price = DecimalField(constraints=[Check(\'price < 10000\')])
    created = DateTimeField(
        constraints=[SQL("DEFAULT (datetime(\'now\'))")])

多列索引
可以使用嵌套元组将多列索引定义为元属性。每个表的索引是一个2元组，第一部分是索引字段名称的元组，可以有多个字段，第二部分是一个布尔值，指示索引是否应该唯一。

class Transaction(Model):
    from_acct = CharField()
    to_acct = CharField()
    amount = DecimalField()
    date = DateTimeField()

    class Meta:
        indexes = (
            # create a unique on from/to/date
            ((\'from_acct\', \'to_acct\', \'date\'), True),

            # create a non-unique on from/to
            ((\'from_acct\', \'to_acct\'), False),
        )

记住，如果索引元组只包含一项，则添加末尾逗号

基本操作 增删改查

peewee中关于增删改查的基本操作方法如下：

增：
create()：最常用创建，返回创建实例
save()：第一次执行的save是插入，第二次是修改
insert: 插入数据，不创建数据库实例。返回id
insert_many: 批量插入
bulk_create：批量插入，类似于insert_many。可指定单次插入的数量
batch_commit: 自动添加了一个事务，然后一条条的插入
insert_from: 从另一个表中查询的数据作为插入的数据

删除：
delete().where().execute()
delete_instance() 直接执行删除了，不用调用execute() 方法

修改：
save()： 第一次执行的save是插入，第二次是修改
update() 用于多字段更新

查询：
Model.get()： 检索与给定查询匹配的单个实例。报 Model.DoesNotExist 异常。如果有多条记录满足条件，则返回第一条
get_or_none() :与get使用方法相同。区别是找不到结果时不会报错
get_by_id() :通过主键查找，是一种快捷方式
Model[\’id_num\’]: 和上面的get_by_id一样是通过主键查找。
get_or_create(): 首先查询，如果查不到将创建一个新的记录
select() 查询多条数据

创建

单条插入

你可以用Model.create()创建一个新的实例。这个方法接收关键字参数，参数要和表定义的字段一致。返回值是新的实例

>>> User.create(username=\'Charlie\')
<__main__.User object at 0x2529350>

批量插入

有几种方法可以快速加载大量数据，缺乏经验的做法是在循环中调用Model.create来创建

data_source = [
    {\'field1\': \'val1-1\', \'field2\': \'val1-2\'},
    {\'field1\': \'val2-1\', \'field2\': \'val2-2\'},
    # ...
]

for data_dict in data_source:
    MyModel.create(**data_dict)

上面的方法比较慢的原因有几个：

1. 如果没有在事务中装饰循环，那么每个对create()的调用都发生在它自己的事务中。这将会非常缓慢
2. 必须生成每个InsertQuery并将其解析为SQL
3. 需要原生SQL语句传入到数据库中解析
4. 检索最后一个insert id，这在某些情况下会导致执行额外的查询

可以通过一个简单的装饰：atomic来大幅度提高速度

# This is much faster.
with db.atomic():
    for data_dict in data_source:
        MyModel.create(**data_dict)

上面的代码仍然没有解决2、3、4这三点。我们可以通过 insert_many 带来一个大的速度提升。这个方法接收多列元组或字典，然后在一次SQL语句中插入多行数据。

data_source = [
    {\'field1\': \'val1-1\', \'field2\': \'val1-2\'},
    {\'field1\': \'val2-1\', \'field2\': \'val2-2\'},
    # ...
]

# Fastest way to INSERT multiple rows.
MyModel.insert_many(data_source).execute()

insert_many() 方法还接收多行元组，同时需要提供一个对应的字段。

# We can INSERT tuples as well...
data = [(\'val1-1\', \'val1-2\'),
        (\'val2-1\', \'val2-2\'),
        (\'val3-1\', \'val3-2\')]

# But we need to indicate which fields the values correspond to.
MyModel.insert_many(data, fields=[MyModel.field1, MyModel.field2]).execute()

在装饰中批量插入是一个好的方法。

# You can, of course, wrap this in a transaction as well:
with db.atomic():
    MyModel.insert_many(data, fields=fields).execute()

插入大量数据
在大量数据的插入场景下，根据数据源中的行数，您可能需要将其分解为多个块。SQLite通常有999或32766的限制

您可以编写一个循环来将数据批处理成块(在这种情况下，强烈建议您使用事务)

# Insert rows 100 at a time.
with db.atomic():
    for idx in range(0, len(data_source), 100):
        MyModel.insert_many(data_source[idx:idx+100]).execute()

peewwee提供了一个chunked函数帮助你高效的将普通可迭代对象拆分成为可批处理对象。

from peewee import chunked

# Insert rows 100 at a time.
with db.atomic():
    for batch in chunked(data_source, 100):
        MyModel.insert_many(batch).execute()

Model.bulk_create() 的行为有点像insert_many()，但是可以用来插入没有保存的数据库实例，并且可以指定每次插入的数量。如一共插入345，如果指定了一次插入100条记录，那么就是4次插入，3 * 100 + 1 * 45
什么叫没有保存的数据库实例呢？就是类似于User(username=\'kk\')，创建的数据库实例。

# Read list of usernames from a file, for example.
with open(\'user_list.txt\') as fh:
    # Create a list of unsaved User instances.
    users = [User(username=line.strip()) for line in fh.readlines()]

# Wrap the operation in a transaction and batch INSERT the users
# 100 at a time.
with db.atomic():
    User.bulk_create(users, batch_size=100)

bulk_update() 和bulk_create类似，可以用来插入没有保存的数据库实例，自动添加了一个事务，然后一条条的插入

# List of row data to insert.
row_data = [{\'username\': \'u1\'}, {\'username\': \'u2\'}, ...]

# Assume there are 789 items in row_data. The following code will result in
# 8 total transactions (7x100 rows + 1x89 rows).
for row in db.batch_commit(row_data, 100):
    User.create(**row)

从另一个表批量装载

Model.insert_from() 如果要批量插入的数据存储在另一个表中，还可以创建源为SELECT查询的INSERT查询。

res = (TweetArchive
       .insert_from(
           Tweet.select(Tweet.user, Tweet.message),
           fields=[TweetArchive.user, TweetArchive.message])
       .execute())

删除

要删除单个模型实例，可以使用model.delete_instance（）快捷方式。delete_instance（）将删除给定的模型实例，并且可以选择递归地删除任何依赖对象（通过指定recursive=True）。

删除一个记录：Model.delete_instance()
删除任意记录：Model.delete()

更新

save():单个更新
一旦模型实例有了主键，随后对save()的任何调用都将导致一个UPDATE而不是另一个INSERT。模型的主键不会改变

>>> user.save()  # save() returns the number of rows modified.
1
>>> user.id
1
>>> user.save()
>>> user.id
1
>>> huey.save()
1
>>> huey.id
2

update:批量更新
接受关键字参数，其中键对应于模型的字段名称

>>> today = datetime.today()
>>> query = Tweet.update(is_published=True).where(Tweet.creation_date < today)
>>> query.execute()  # Returns the number of rows that were updated.
4

查询

单条记录查询

你可以通过Model.get()方法查询到给条件的数据。如果是通过主键查找，也可以用一个快捷方法 Model.get_by_id()。
此方法是使用给定查询调用Model.select（）的快捷方式，但将结果集限制为一行。需要注意的是使用get()方法，如果没有找到匹配的数据会抛出错误：DoesNotExist

get

>>> User.get(User.id == 1)
<__main__.User object at 0x25294d0>

>>> User.get_by_id(1)  # Same as above.
<__main__.User object at 0x252df10>

>>> User[1]  # Also same as above.
<__main__.User object at 0x252dd10>

>>> User.get(User.id == 1).username
u\'Charlie\'

>>> User.get(User.username == \'Charlie\')
<__main__.User object at 0x2529410>

>>> User.get(User.username == \'nobody\')
UserDoesNotExist: instance matching query does not exist:
SQL: SELECT t1."id", t1."username" FROM "user" AS t1 WHERE t1."username" = ?
PARAMS: [\'nobody\']

单条记录查询方法：

• Model.get()
• Model.get_by_id()
• Model.get_or_none() – if no matching row is found, return None.
• Model.select()
• SelectBase.get()
• SelectBase.first() – return first record of result-set or None.

查询或创建

Model.get_or_create() 它首先尝试检索匹配的行。如果失败，将创建一个新行。

通常，可以依赖唯一约束或主键来防止创建重复对象。例如，假设我们希望使用示例用户模型实现注册新用户帐户。用户模型对用户名字段有唯一的约束，因此我们将依赖数据库的完整性保证，以确保不会出现重复的用户名：

try:
    with db.atomic():
        return User.create(username=username)
except peewee.IntegrityError:
    # `username` is a unique column, so this username already exists,
    # making it safe to call .get().
    return User.get(User.username == username)

上面的例子首先尝试创建，然后回退到查询，依靠数据库来强制执行唯一约束。
如果您希望首先尝试检索记录，可以使用get_or_create()。该函数返回一个2元组，其中包含实例和一个布尔值，该值指示对象是否被创建。

user, created = User.get_or_create(username=username)

person, created = Person.get_or_create(
    first_name=first_name,
    last_name=last_name,
    defaults={\'dob\': dob, \'favorite_color\': \'green\'})

查询多行记录

可以通过Model.select()获取多行数据。peewee允许你迭代这些数据，同时也可以索引和切片。

>>> query = User.select()
>>> [user.username for user in query]
[\'Charlie\', \'Huey\', \'Peewee\']

>>> query[1]
<__main__.User at 0x7f83e80f5550>

>>> query[1].username
\'Huey\'

>>> query[:2]
[<__main__.User at 0x7f83e80f53a8>, <__main__.User at 0x7f83e80f5550>]

select()是很智能的，在查询一次的前提下可以多次迭代，切片，下标取值等。

在缓存结果时，同一查询的后续迭代不会命中数据库。要禁用此行为（以减少内存使用），请在迭代时调用Select.iterator()。

除了返回模型实例外，Select查询还可以返回字典、元组和命名元组。根据您的用例，您可能会发现将行作为字典使用更容易

>>> query = User.select().dicts()
>>> for row in query:
...     print(row)

{\'id\': 1, \'username\': \'Charlie\'}
{\'id\': 2, \'username\': \'Huey\'}
{\'id\': 3, \'username\': \'Peewee\'}

iterator()：不缓存查询结果
默认情况下，peewee将缓存迭代Select查询时返回的行。这是一种优化，允许多次迭代以及索引和切片，而不会导致额外的查询。但是，当您计划在大量行上进行迭代时，这种缓存可能会有问题。

为了减少内存的消耗，使用iterator()方法。这个方法允许返回结果不缓存数据。使用更少的内存。

stats = Stat.select()

# Our imaginary serializer class
serializer = CSVSerializer()

# Loop over all the stats and serialize.
for stat in stats.iterator():
    serializer.serialize_object(stat)

对于简单的查询，您可以通过将行作为字典返回来进一步提高速度。namedtuples或元组。以下方法可用于任何Select查询，以更改结果行类型。
dicts()
namedtuples()
tuples()

objects: 将多个查询表放在一个实例中
当对包含多个表中的列的大量行进行迭代时，peewee将为返回的每一行构建查询模型。对于复杂查询，此操作可能很慢。例如，如果我们选择一个tweet列表以及tweet作者的用户名和头像，Peewee必须为每一行创建两个对象（tweet和用户）。除了上述行类型之外，还有第四个方法objects（），它将作为模型实例返回行，但不会分解模型查询。

query = (Tweet
         .select(Tweet, User)  # Select tweet and user data.
         .join(User))

# Note that the user columns are stored in a separate User instance
# accessible at tweet.user:
for tweet in query:
    print(tweet.user.username, tweet.content)

# Using ".objects()" will not create the tweet.user object and assigns all
# user attributes to the tweet instance:
for tweet in query.objects():
    print(tweet.username, tweet.content)

为了获得最佳性能，您可以执行查询，然后使用底层数据库游标对结果进行迭代。
Database.execute()。接受查询对象，执行查询，并返回DB-API 2.0游标对象。光标将返回原始行元组：

query = Tweet.select(Tweet.content, User.username).join(User)
cursor = database.execute(query)
for (content, username) in cursor:
    print(username, \'->\', content)

事务

数据库事务（Transaction）是一种机制，包含了一组数据库操作命令
事务把所有的命令作为一个整体一起向系统提交或撤销操作请求，即这一组数据库命令要么都执行，要么都不执行，因此事务是一个不可分割的工作逻辑单元。
事务具有 4 个特性，即原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持久性（Durability），这 4 个特性通常简称为 ACID。

peewee事务
Peewee实现事务的方法是Database.atomic()方法，非常简单
当事务执行成功之后，它会自动commit()，不需要我们手动调。当事务的代码块中抛出异常时，它会自动调用rollback()，将数据库状态恢复到操作之前，保证要么命令全部执行，要么全部不执行。

Peewee中实现事务有两种使用方式，一种是将atomic当做Context manager使用，另外一种将atomic当修饰器使用。
Context manager

with db.atomic():
    for data_dict in data_source:
        MyModel.create(**data_dict)

装饰器

@db.atomic()
def insert_data()
    for data_dict in data_source:
        MyModel.create(**data_dict)

事务其他特性：

• 除了自动commit()和rollback()之外，也可以手动调用commit()和rollback()方法
• 事务支持嵌套使用
• 在一个事务中对数据库操作能够有效减少事务的耗时，增加操作效率

过滤

您可以使用普通的python操作符过滤特定的记录。

>>> user = User.get(User.username == \'Charlie\')
>>> for tweet in Tweet.select().where(Tweet.user == user, Tweet.is_published == True):
...     print(tweet.user.username, \'->\', tweet.message)
...
Charlie -> hello world
Charlie -> this is fun

>>> for tweet in Tweet.select().where(Tweet.created_date < datetime.datetime(2011, 1, 1)):
...     print(tweet.message, tweet.created_date)
...
Really old tweet 2010-01-01 00:00:00

...     
print(tweet.message)
hello world
this is fun
look at this picture of my food

记录分类

给返回的数据排序，可以使用order_by

1.普通使用

>>> for t in Tweet.select().order_by(Tweet.created_date):
...     print(t.pub_date)

2.倒序排列
可以使用desc或者-号

Tweet.select().order_by(Tweet.created_date.desc())

Tweet.select().order_by(-Tweet.created_date)  # Note the "-" prefix.

3.正序排列

User.select().order_by(+User.username)

4.高级使用
对计算值进行排序时，可以包括必要的SQL表达式，也可以引用指定给该值的别名。

query = (User
         .select(User.username, fn.COUNT(Tweet.id).alias(\'num_tweets\'))
         .join(Tweet, JOIN.LEFT_OUTER)
         .group_by(User.username))

您可以使用select子句中使用的相同计数表达式进行订购。在下面的示例中，我们按tweet ID的COUNT（）降序排序：

query = (User
         .select(User.username, fn.COUNT(Tweet.id).alias(\'num_tweets\'))
         .join(Tweet, JOIN.LEFT_OUTER)
         .group_by(User.username)
         .order_by(fn.COUNT(Tweet.id).desc()))

或者，可以在select子句中引用指定给计算值的别名。这种方法的优点是易于阅读。请注意，我们不是直接引用命名别名，而是使用SQL帮助程序对其进行包装：

query = (User
         .select(User.username, fn.COUNT(Tweet.id).alias(\'num_tweets\'))
         .join(Tweet, JOIN.LEFT_OUTER)
         .group_by(User.username)
         .order_by(SQL(\'num_tweets\').desc()))

同样，也可以使用如上

ntweets = fn.COUNT(Tweet.id)
query = (User
         .select(User.username, ntweets.alias(\'num_tweets\'))
         .join(Tweet, JOIN.LEFT_OUTER)
         .group_by(User.username)
         .order_by(ntweets.desc())

计数

可以使用count来计算返回数量

>>> Tweet.select().count()
100
>>> Tweet.select().where(Tweet.id > 50).count()
50

分页

paginate() 方法可以很简单的获取一个分页的数据。paginate有两个参数：page_number 和 items_per_page。第一个参数是取回数据的页数；第二个参数是每一页多少元素。这两个参数加起来才能完成分页

>>> for tweet in Tweet.select().order_by(Tweet.id).paginate(2, 10):
...     print(tweet.message)
...
tweet 10
tweet 11
tweet 12
tweet 13
tweet 14
tweet 15
tweet 16
tweet 17
tweet 18
tweet 19

分页的功能也可以用limit()和offset()来实现

Tweet.select().order_by(Tweet.id).offset(10).limit(10)

offset(10) 跳过10个记录
limit(10) 取10个记录

聚合查询

聚合查询：对查询出来的结果进一步处理，包括统计，分组，求最大值，求平均值等。

聚合常用的函数：
COUNT：计算表中的记录数（行数）

SUM：计算表中数值列中数据的合计值

AVG：计算表中数值列中数据的平均值

MAX：求出表中任意列中数据的最大值

MIN：求出表中任意列中数据的最小值

用于汇总的函数称为聚合函数或者聚集函数。所谓聚合，就是将多行汇总为一行。实际上，所有的聚合函数都是这样，输入多行输出一行。

聚合函数的使用：

mysql> select * from person;
+----+------+-----+------+-----+
| id | name | age | High | sex |
+----+------+-----+------+-----+
|  1 | ljk  |  30 |  177 |   1 |
|  2 | aghj |  23 |  168 |   1 |
+----+------+-----+------+-----+
2 rows in set (0.00 sec)
************************************
*              聚合函数              *
************************************
mysql> select count(*) from person;
+----------+
| count(*) |
+----------+
|        2 |
+----------+
1 row in set (0.00 sec)
----------------------------------------
mysql> select sum(age) from person;
+----------+
| sum(age) |
+----------+
|       53 |
+----------+
1 row in set (0.00 sec)
----------------------------------------
mysql> select avg(high) from person;
+-----------+
| avg(high) |
+-----------+
|  172.5000 |
+-----------+
1 row in set (0.00 sec)
----------------------------------------
mysql> select max(high) from person;
+-----------+
| max(high) |
+-----------+
|       177 |
+-----------+
1 row in set (0.00 sec)

mysql> select * from person;
+----+------+-----+------+-----+
| id | name | age | High | sex |
+----+------+-----+------+-----+
|  1 | ljk  |  30 |  177 |   1 |
|  2 | aghj |  23 |  168 |   1 |
|  3 | 0    |  22 |  165 |   0 |
+----+------+-----+------+-----+
3 rows in set (0.00 sec)


mysql> select avg(High) from person group by sex;
+-----------+
| avg(High) |
+-----------+
|  172.5000 |
|  165.0000 |
+-----------+
2 rows in set (0.00 sec)

# 使用having对分组的数据筛选
mysql> select avg(High) as high from person group by sex having high > 170;
+----------+
| high     |
+----------+
| 172.5000 |
+----------+
1 row in set (0.00 sec)

where：分组之前筛选数据
where 子句的作用是在对查询结果进行分组前，将不符合where条件的行去掉，即在分组之前过滤数据，where条件中不能包含聚组函数，使用where条件过滤出特定的行。

having： 对分组之后筛选分组的数据
having 子句的作用是筛选满足条件的组，即在分组之后过滤数据，条件中经常包含聚组函数，使用having 条件过滤出特定的组，也可以使用多个分组标准进行分组。

总结一下过滤的顺序

on->join->where->group by->having

分组
查询用户以及每个人拥有的tweet账号数量。这里使用了group_by，将结果根据User表分类。

query = (User
         .select(User, fn.Count(Tweet.id).alias(\'count\'))
         .join(Tweet, JOIN.LEFT_OUTER)
         .group_by(User))

假设有如下数据库，一个多对多的关系。

class Photo(Model):
    image = CharField()

class Tag(Model):
    name = CharField()

class PhotoTag(Model):
    photo = ForeignKeyField(Photo)
    tag = ForeignKeyField(Tag)

查询Tag记录，按照Tag分组，筛选出每组Tag里Photo数量超过5个的记录。

query = (Tag
         .select()
         .join(PhotoTag)
         .join(Photo)
         .group_by(Tag)
         .having(fn.Count(Photo.id) > 5))

HAVING 子句可以让我们筛选分组后的各组数据。
HAVING，它与 GROUP BY 配合使用，为聚合操作指定条件。
WHERE 子句只能指定行的条件，而不能指定组的条件。所以当数据分组之后就需要 HAVING 对分组的数据筛选。

具体区别:

1. where 用在group_by前，having用在group_by之后。
2. 聚合函数（avg、sum、max、min、count），不能作为条件放在where之后，但可以放在having之后

Scalar

对查询出来的数据做处理
可以通过调用Query.scalar()来检索标量值。例如

>>> Employee.select(
...     fn.Min(Employee.salary), fn.Max(Employee.salary)
... ).scalar(as_tuple=True)
(30000, 50000)

您可以通过传递来检索多个标量值

>>> Employee.select(
...     fn.Min(Employee.salary), fn.Max(Employee.salary)
... ).scalar(as_tuple=True)
(30000, 50000)

窗口

窗口函数是指对作为SELECT查询一部分处理的数据滑动窗口进行操作的聚合函数。窗口功能可以执行以下操作：
对结果集的子集执行聚合。
计算一个运行总数。
排名结果。
将行值与前面（或后面！）行中的值进行比较。
peewee支持SQL窗口函数，可以通过调用Function.over（）并传入分区或排序参数来创建这些函数。

复杂筛选

peewee支持以下类型的比较

查询中支持的筛选运算符

Comparison	Meaning
==	x equals y
<	x is less than y
<=	x is less than or equal to y
>	x is greater than y
>=	x is greater than or equal to y
!=	x is not equal to y
<<	x IN y, where y is a list or query
>>	x IS y, where y is None/NULL
%	x LIKE y where y may contain wildcards
**	x ILIKE y where y may contain wildcards
^	x XOR y
~	Unary negation (e.g., NOT x)

筛选方法

因为用完了要重写的操作符，所以有一些额外的查询操作可以作为方法使用

Method	Meaning
.in_(value)	查询在范围内
.not_in(value)	查询不在范围内
.is_null(is_null)	为空或不为空。接受布尔参数
.contains(substr)	通配符搜索子字符串
.startswith(prefix)	查询以prefix开头的数据
.endswith(suffix)	查询以prefix结尾的数据
.between(low, high)	查询在low和high中间的值
.regexp(exp)	正则表达式匹配匹配的数据，贪婪模式
.iregexp(exp)	正则表达式匹配匹配的数据，非贪婪模式
.bin_and(value)	二进制加
.bin_or(value)	二进制或
.concat(other)	Concatenate two strings or objects using ||.
.distinct()	标记重复的数据
.collate(collation)	指定具有给定排序规则的列
.cast(type)	将列的值强制转换为给定类型

联合查询逻辑操作

使用逻辑操作的联合查询

Operator	Meaning	Example
&	AND	(User.is_active == True) & (User.is_admin == True)
|	OR	(User.is_admin) | (User.is_superuser)
~	NOT (unary negation)	~(User.username.contains(\’admin\’))

# Find the user whose username is "charlie".
User.select().where(User.username == \'charlie\')

# Find the users whose username is in [charlie, huey, mickey]
User.select().where(User.username.in_([\'charlie\', \'huey\', \'mickey\']))

Employee.select().where(Employee.salary.between(50000, 60000))

Employee.select().where(Employee.name.startswith(\'C\'))

Blog.select().where(Blog.title.contains(search_string))

请注意，实际的比较用括号括起来。 Python 的运算符优先级要求将比较括在括号中。

# Find any users who are active administrations.
User.select().where(
  (User.is_admin == True) &
  (User.is_active == True))

可能你尝试使用python语法中的in and or 和not操作，但是在查询中是不生效的。所有的操作返回都是一个布尔值。
建议如下：

1. 用.in_()和.not_in()替换 in和 not in
2. 用&替换and
3. 用|替换or
4. 用～替换not
5. 用.is_null()替换 is None 或 == None

SQL 方法

SQL方法，如like，sum等，可以通过fn来表达
从peewee中导入fn：from peewee import fn

query = (User
         .select(User, fn.COUNT(Tweet.id).alias(\'tweet_count\'))
         .join(Tweet, JOIN.LEFT_OUTER)
         .group_by(User)
         .order_by(fn.COUNT(Tweet.id).desc()))
for user in query:
    print(\'%s -- %s tweets\' % (user.username, user.tweet_count))

fn可以表达任何SQL方法，它的参数可以是字段，值，子查询甚至嵌套函数

基础使用

1. fn.AVG() 返回指定列的平均值，NULL值不包括在计算中。
2. fn.SUM() 返回指定列的数目，NULL值不包括在计算中。
3. fn.MIN() 返回指定列的最小值，NULL值不包括在计算中。
4. fn.MAX() 返回指定列的最大值，NULL值不包括在计算中。
5. fn.DATE() 返回指定日期时间格式列的日期格式
6. fn.DECIMAL(10, 2) ===> decimal(10,2)中的“2”表示小数部分的位数

进阶使用

1. fn.to_char() 返回指定列格式化后的字符串 e.g.: fn.to_char(18.88, \’99.999\’) ===> 18.888; fn.to_char(model.field, \’\’)。
2. fn.char_length(str) 返回字符串字符数
3. fn.array_agg() 接受一组值并返回一个数组。
4. fn.array_agg(model.name).order_by(model.id.asc()) # array_agg(name order by id asc)
5. fn.rank().over(partition_by=[field1, field2, or aggregation_field1], order_by=[fn.SUM(Booking.slots).desc()]) 实现rank() over(partition by filed order by filed)分区功能。
6. fn.length() 返回指定列的长度。也可应用于order_by。e.g.: .order_by(fn.length(model.field).asc())。
7. fn.CONCAT() 返回合并的字符串（CONCAT一定要大写，小写的concat用法不一样）。fn.CONCAT(model.id, \’-\’, model.name) ===> \’188-张三\’

SQL helper

有时，您可能想在sql中传一些任意的sql语句。您可以使用特殊的SQL类来实现这一点

# We\'ll query the user table and annotate it with a count of tweets for
# the given user
query = (User
         .select(User, fn.Count(Tweet.id).alias(\'ct\'))
         .join(Tweet)
         .group_by(User))

# Now we will order by the count, which was aliased to "ct"
query = query.order_by(SQL(\'ct\'))

# You could, of course, also write this as:
query = query.order_by(fn.COUNT(Tweet.id))

使用peewee执行手工SQL语句有两种方法

1. Database.execute_sql() 用于执行任何类型的查询
2. RawQuery 执行SELECT查询并返回模型实例

query = MyModel.raw(\'SELECT * FROM my_table WHERE data = %s\', user_data)
query.execute_sql()

安全和SQL注入

默认情况下，peewee将参数化查询，因此用户传入的任何参数都将被转义。
请确保将任何用户定义的数据作为查询参数传入，而不是作为实际SQL查询的一部分传入：

query = MyModel.raw(\'SELECT * FROM my_table WHERE data = %s\' % (user_data,))

# Good. `user_data` will be treated as a parameter to the query.
query = MyModel.raw(\'SELECT * FROM my_table WHERE data = %s\', user_data)

# Bad! DO NOT DO THIS!
query = MyModel.select().where(SQL(\'Some SQL expression %s\' % user_data))

# Good. `user_data` will be treated as a parameter.
query = MyModel.select().where(SQL(\'Some SQL expression %s\', user_data))

MySQL和Postgresql使用“%s”表示参数。另一方面，SQLite使用“？”。请确保使用适合数据库的字符。还可以通过检查Database.param来查找此参数。

小结

个人水平问题翻译并不是很准确，由于方法太多使用也未给出适当例子。后面有时间挑增删改查等功能写详细操作。
</peewee.sqlitedatabase></peewee.autofield></peewee.charfield></peewee.autofield></peewee.modeloptions>