Unduh smort query - Unduh Kode Sumber smort query

Kueri smort

LAZY mengevaluasi implementasi kueri untuk mencari melalui objek Python yang terinspirasi oleh queryset Django.

Github: https://github.com/matiuszka/smort-query
PYPI: https://pypi.org/project/smort-query

Alasan

Dalam banyak momen tugas pemrograman kami, kami harus memfilter iterable untuk mencari objek yang tepat dalam urutan yang benar. Saya menyadari bahwa sebagian besar kode waktu terlihat hampir sama, tetapi antarmuka macam apa yang paling mudah digunakan? Pada saat itu saya tahu bahwa implementasi QuerySets Django agak berguna dan terkenal.

Jadi saya memutuskan untuk menulis mesin kueri kecil yang antarmuka akan mirip dengan Django One. Tapi itu akan bekerja untuk benda -benda Python. Asumsi tambahan adalah bahwa itu akan dievaluasi malas untuk menghindari konsumsi memori.

Format pencarian

Seluruh ide menyampaikan pada kata kunci argumen penamaan format. Mari kita pertimbangkan mengikuti kualifikasi attr1.attr2 yang dapat kita gunakan untuk mendapatkan atau menetapkan nilai untuk atribut. Mesin ini melakukan hal -hal yang sama tetapi alih -alih memisahkan dengan DOT ( . ) Kami berpisah dengan tanda __ . Jadi contoh di atas dapat dikonversi ke nama argumen kata kunci seperti itu attr1__attr2 . Karena fakta bahwa kita tidak bisa menggunakannya . Dalam nama argumen.

Untuk beberapa metode seperti filter dan exclude , kami juga dapat menentukan pembanding. Secara default metode -metode tersebut dibandingkan dengan kesetaraan == . Tapi kita dapat dengan mudah mengubahnya. Jika kita ingin membandingkan dengan menggunakan <= kita dapat menggunakan __le atau __lte postfix. Jadi kita akan berakhir dengan nama argumen seperti attr1__attr2__lt .

Semua pembanding yang didukung dijelaskan di sini di bagian pembanding yang didukung.

Instalasi

 pip install smort-query

Pengimporan

 from smort_query import ObjectQuery
# or by alias
from smort_query import OQ

Bagaimana cara kerjanya?

Dasar -dasar

Setiap metode di ObjectQuery menghasilkan kueri baru. Yang membuat rantai sangat mudah. Yang paling penting adalah bahwa instance ObjectQuery tidak dievaluasi - itu berarti bahwa mereka tidak memuat objek ke memori bahkan ketika kita merantai mereka.

Set kueri dapat dievaluasi dalam beberapa cara:

Perulangan:

 query = ObjectQuery ( range ( 5 ))

for obj in query :
    print ( obj )

"""out:
1
2
3
4
5
"""

Memeriksa Panjang:

 query = ObjectQuery ( range ( 10 ))

len ( query )
"""out:
10
"""

Permintaan membalik:

 query = ObjectQuery ( range ( 10 ))

query . reverse ()
"""out:
<ObjectQuery for <reversed object at 0x04E8B460>>
"""

list ( list ( query . reverse ()))
"""out
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
"""

Mendapatkan item:

Mendapatkan dengan indeks mengevaluasi kueri:

 query = ObjectQuery ( range ( 10 ))
query [ 5 ]
"""out:
5
"""

Tapi iris tidak! Mereka menciptakan pertanyaan lain.

 query = ObjectQuery ( range ( 10 ))
query [ 5 : 0 : - 1 ]
"""out:
<ObjectQuery for <generator object islice_extended at 0x0608B338>>
"""
list ( query [ 5 : 0 : - 1 ])
"""out:
[5, 4, 3, 2, 1]
"""

Menginisialisasi objek lain yang menggunakan iterator/iterables (masih mekanisme yang hampir sama seperti iterasi normal):

 query1 = ObjectQuery ( range ( 10 ))
query2 = ObjectQuery ( range ( 10 ))

list ( query1 )
"""out:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
"""
tuple ( query2 )
"""out:
(0, 1, 2, 3, 4, 5, 6, 7, 8, 9)
"""

Kasus pengguna

Mari kita pertimbangkan kode Fallowing untuk mengisi manusia palsu:

 from random import randint , choice


class Human :
    def __init__ ( self , name , age , sex , height , weight ):
        self . name = name
        self . age = age
        self . sex = sex
        self . height = height
        self . weight = weight

    def __repr__ ( self ):
        return str ( self . __dict__ )


def make_random_human ( name ):
    return Human (
        name = name ,
        age = randint ( 20 , 80 ),
        sex = choice (( 'female' , 'male' )),
        height = randint ( 160 , 210 ),
        weight = randint ( 60 , 80 ),
    )

Membuat 10 manusia acak:

 humans = [ make_random_human ( i ) for i in range ( 10 )]
"""out:
[{'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

Memfilter dan tidak termasuk

Menemukan orang -orang dari usia antara [30; 75). Untuk itu kami akan menggunakan pembanding khusus:

 list ( ObjectQuery ( humans ). filter ( age__ge = 30 , age__lt = 75 ))
"""out:
[{'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

Kami juga dapat mengecualikan pria dengan cara yang sama:

 list ( ObjectQuery ( humans ). exclude ( sex = "male" ))
"""out:
[{'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
 """

Pemesanan

Memesan dengan atribut sex dalam urutan menaik:

 list ( ObjectQuery ( humans ). order_by ( "sex" ))
"""out
[{'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72}]
"""

Memesan dengan atribut sex dalam urutan menurun:

 list ( ObjectQuery ( humans ). order_by ( "-sex" ))
"""out
[{'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

Memesan dengan beberapa atribut:

 list ( ObjectQuery ( humans ). order_by ( "-sex" , "height" ))
"""out:
[{'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71}]
"""

Membubuhi keterangan

Jika beberapa atribut senilai penyaringan dan pemesanan tidak tersedia dengan tangan, kita dapat menghitungnya dengan cepat:

 # Sorry for example if someone feels offended
root_query = ObjectQuery ( humans )

only_females = root_query . filter ( sex = "female" )  # reduce objects for annotation calculation
bmi_annotated_females = only_females . annotate ( bmi = lambda obj : obj . weight / ( obj . height / 100 ) ** 2 )
overweight_females = bmi_annotated_females . filter ( bmi__gt = 25 )
overweight_females_ordered_by_age = overweight_females . order_by ( "age" )
list ( overweight_females_ordered_by_age )
"""out:
[{'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71, 'bmi': 27.390918560240728},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75, 'bmi': 25.95155709342561},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78, 'bmi': 26.061679307694877}]
"""

Penyalinan

Setiap kueri metode mengembalikan salinan. Di mana iterasi atas yang baru dibuat tidak mempengaruhi sumber objek.

 root_query = ObjectQuery ( humans ). filter ( age__ge = 30 , age__lt = 75 )
query1 = root_query . filter ( weight__gt = 75 )
query2 = root_query . filter ( weight__in = [ 78 , 62 ])

list ( query1 )
"""out:
[{'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

list ( query2 )
"""out:
[{'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

list ( root_query )
"""out:
[{'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

Tetapi kadang -kadang mengevaluasi beberapa permintaan di tengah rantai dapat memecahkannya, jadi ketika Anda secara eksplisit ingin menyimpan di suatu tempat salinan kueri dan pastikan bahwa tindakan lebih lanjut pada root tidak akan mempengaruhi kueri, Anda dapat melakukannya:

 root_query = ObjectQuery ( humans )
copy = root_query . all ()

Membalikkan

Anda juga dapat membalikkan kueri, tetapi ingat bahwa itu akan mengevaluasi kueri:

 root_query = ObjectQuery ( humans ). reverse ()
list ( root_query )
"""out:
[{'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71}]
"""

ATAU

Bitwise atau menggabungkan dua pertanyaan bersama -sama. Sama seperti metode union . Perhatikan bahwa setelah oring dua pertanyaan atau bahkan lebih, pemesanan mungkin diperlukan:

 root_query = ObjectQuery ( humans )
males = root_query . filter ( sex = "male" )
females = root_query . filter ( sex = "female" )
both1 = ( males | females )
both2 = males . union ( females )

list ( both1 )
"""out:
[{'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""
list ( both2 )
"""out:
[{'name': 4, 'age': 73, 'sex': 'male', 'height': 174, 'weight': 62},
 {'name': 5, 'age': 75, 'sex': 'male', 'height': 189, 'weight': 77},
 {'name': 6, 'age': 64, 'sex': 'male', 'height': 179, 'weight': 63},
 {'name': 8, 'age': 64, 'sex': 'male', 'height': 188, 'weight': 72},
 {'name': 0, 'age': 24, 'sex': 'female', 'height': 161, 'weight': 71},
 {'name': 1, 'age': 33, 'sex': 'female', 'height': 205, 'weight': 67},
 {'name': 2, 'age': 45, 'sex': 'female', 'height': 186, 'weight': 74},
 {'name': 3, 'age': 48, 'sex': 'female', 'height': 173, 'weight': 78},
 {'name': 7, 'age': 35, 'sex': 'female', 'height': 170, 'weight': 75},
 {'name': 9, 'age': 43, 'sex': 'female', 'height': 198, 'weight': 78}]
"""

Pembanding yang didukung

Proyek mendukung banyak pembanding yang dapat dipilih sebagai postfix untuk pencarian:

Pembanding default adalah eq
eq membuat a == b
exact membuat a == b
in membuat a in b
contains membuat b in a
gt membuat a > b
gte membuat a >= b
ge membuat a >= b
lt membuat a < b
lte membuat a <= b
le membuat a <= b

Todos

Dokumentasi Sphinx.
Metode asc() dan desc() yang berfungsi sama dengan order_by() tetapi dengan urutan yang ditentukan sebelumnya.
Metode unique_justseen() dan unique_everseen() untuk menghapus duplikat. Perbandingan yang direalisasikan dengan atribut yang dilewati atau didelegasikan ke objek kesetaraan __eq__ .
Metode intersection() untuk menemukan objek umum dalam dua pertanyaan. Perbandingan yang direalisasikan dengan atribut yang dilewati atau didelegasikan ke objek kesetaraan __eq__ .
Peningkatan __len__ dan __getitem__ untuk mengevaluasi kueri hanya sekali per siklus hidup.

Kontribusi

Segala bentuk kontribusi dihargai. Menemukan masalah, ide -ide baru, fitur baru. Dan tentu saja Anda dipersilakan untuk membuat PR untuk proyek ini.

Memperluas

smort query

Kueri smort

Alasan

Format pencarian

Instalasi

Pengimporan

Bagaimana cara kerjanya?

Dasar -dasar

Kasus pengguna

Memfilter dan tidak termasuk

Pemesanan

Membubuhi keterangan

Penyalinan

Membalikkan

ATAU

Pembanding yang didukung

Todos

Kontribusi

GitHub sgrebnov/cordova plugin background download

Wa ch ull navra maza navsacha 2 2024 ull ovie Fr e Online On Strea ings

Wa ch navra maza navsacha 2 2024 ull ovie Online For Fr e Strea ings At Home

Wa ch the greatest of all time 2024 ull ovie Online For Fr e Strea ings At Home

wolfs 2024 f llmo ie f lmyz lla dow load ree 7 0p 4 0p a d 10 0p

Xluo Query ruang obrolan besar

chat.petals.dev

GPT Prompt Templates

GPTyped

Google Dorks

shepherd

mongo express

Google Dorks

shepherd

mongo express