Nano Hash - криптовалюты, майнинг, программирование

Django.rest_framework: как сериализовать один ко многим ко многим?

У меня есть некоторые проблемы с сериализацией с помощью django. У меня есть три модели, скажем, Школа, Комната и Стол (например, фиктивное имя). В каждой школе есть несколько комнат, и в каждой комнате есть несколько столов.

Классы и их отношения выглядят следующим образом:

class School(models.Model):
    name = models.CharField()

class Room(models.Model):
    name = models.CharField()
    school_id = models.ForeignKey(School)

class Desk(models.Model):
    row = models.IntegerField()
    col = models.IntegerField()
    room_id = models.ForeignKey(Room)

Я хочу иметь возможность сериализовать список школ, каждая из которых содержит все парты внутри.

Я получил чулан, написав в своем serialize.py три сериализатора:

class DeskSerializer(serializers.ModelSerializer):
    class Meta:
        field = (row, col,)

class RoomSerializer(serializers.ModelSerializer):

    desks = DeskSerializer(source='desk_set', many=True)
    class Meta:
        field = (desks,)

class SchoolSerializer(serializers.ModelSerializer):

    rooms = RoomSerializer(source='room_set', many=True)
    class Meta:
        field = (name, rooms,)

Которые возвращают список школ, содержащий список комнат, содержащих список столов, когда мне нужен список школ, содержащий список столов

Какой источник я должен использовать в сериализаторе School, чтобы вернуть непосредственно стол? Что-то вроде source='room_set.desk_set'? Или, может быть, с помощью функции transform_?

PS: код написан с нуля в посте, пожалуйста, не обращайте внимания на возможные синтаксические ошибки


Ответы:


1

Если я вас правильно понимаю, вы хотите, чтобы SchoolSerializer возвращал вложенную структуру на 2 уровня в глубину, но пропуская промежуточную модель. Для этого я бы создал метод в вашей модели School для извлечения экземпляров Desk:

class School(models.Model):
    ...

    def get_desks(self):
        rooms = Room.objects.filter(school=self)
        desks = Desk.objects.filter(room__in=rooms)
        return desks

Затем в вашем SchoolSerializer включите поле, которое использует этот метод и отображает возвращенные экземпляры, как вы хотите, через ваш DeskSerializer:

class SchoolSerializer(serializers.ModelSerializer):
    ...
    desks = DeskSerializer(
        source='get_desks',
        read_only=True
    )

    class Meta:
        field = (name, desks)

Ключом к пониманию того, как это работает, является то, что метод модели, используемый в качестве значения аргумента source, должен просто возвращать экземпляры модели этого сериализатора. Сериализатор берет его оттуда, визуализируя объект(ы) так, как вы определили их в этом сериализаторе (в данном случае DeskSerializer).

Надеюсь это поможет.

18.07.2014
  • Вы можете сделать это в одном запросе с помощью: desks = Desk.objects.filter(room__school=self) 21.12.2015
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..