Question

为了给出背景信息，我在不同的站点进行了大量的温度测量，我想检查它是否与预测的一致。我的模特是：

class Station(models.Model):
    station_id = models.CharField(max_length =  18 ,primary_key = True)
    sector = models.CharField(max_length = 40)

class Weather(models.Model):
    station = models.ForeignKey(Station)
    temperature = models.FloatField()
    date = models.DateField()   

class Forecast(models.Model):
    station = models.ForeignKey(Station)
    date = models.DateField()   
    score = models.IntegerField()

对于每次温度测量，我想知道过去7天中该站的预测分数的平均值，除非在此时间范围内有另一个温度测量值，在这种情况下它是起点。以下代码执行我想要的但是执行速度太慢（~10分钟！）：

observations = Weather.objects.all().order_by('station','date')
for obs in observations:
    try :
        if obs.station == previous.station:
            date_inf = min(obs.date- timedelta(days=7), previous.date)
        else :
            date_inf = obs.date- timedelta(days=7)
    except UnboundLocalError :
        date_inf = obs.date- timedelta(days=7)      

    forecast = Forecast.objects.filter(
                                      station=obs.station
                             ).filter(
                                      date__gte = date_inf
                             ).filter(
                                      date__lte =  obs.date - timedelta(days=1)
                             ).aggregate(average_score=Avg('score'))


    if forecast["average_score"] is not None:
        print(forecast["average_score"],obs.rating)
        # Some more code....

    previous = obs

如何优化执行时间？有没有办法用一个查询来做到这一点？

谢谢！

Answer 1

对于每次测量，您都会重新计算过去7天的平均值。如果您的测量结果比7天更接近，则会有重叠。例如。如果您的测量间隔为1天，则在数据库中重新计算每个对象的平均值6次。

您最好的选择是获取所有测量值，然后是所有匹配的预测值，然后在Python中对内存进行平均。当然，更多的python代码，但它会运行得更快。

Django：如何在大型表上优化此查询

1 个答案: