Hvordan konverterer jeg denne komplekse SQL til en Django-modelforespørgsel?

EDIT: Det lykkedes mig at reformere løsningen ved hjælp af Django underforespørgsler.

Vi kan oversætte forespørgslen til Django ORM ved hjælp af Djangos aggregates with SubQuery expressions :

1. Opret en underforespørgsel for at hente den laveste close for hvert symbol :

   from django.db.models import OuterRef, Subquery, Min     
   
   lows = StockHistory.objects.filter(
       stock=OuterRef('stock'), 
       trading_date__gte='2017-05-04'
   ).values('stock__symbol')
   .annotate(low=Min('close'))
   .filter(trading_date__gte='2018-04-30')
   

   • Opdeling:

     • filter forespørgslen for kun at få aktierne med trading_date >= '2017-05-04' .
     • "GROUP BY" stock__symbol (eksempler på gruppe af i Djnago:GROUP BY ... MIN/MAX , GROUP BY ... COUNT/SUM ).
     • annotate den laveste (low ) pris til hvert element.
     • filter forespørgselssættet igen for kun at få objekter med en low felt, der forekommer på trading_date >= '2018-04-30' .

   • Mellemresultat:

     Selvom vi ikke kan få et resultat på dette stadium, vil underforespørgslen se sådan ud:

     [
         {'stock__symbol': 'A', 'low': Decimal('105.00000')},            
         {'stock__symbol': 'C', 'low': Decimal('90.00000')}
     ]
     

     Vi mangler trading_date .

2. Brug underforespørgslen til at hente den specifikke StockHistory objekter:

   StockHistory.objects.filter(
       stock__symbol=Subquery(lows.values('stock__symbol')),
       close=Subquery(lows.values('low')),
       trading_date__gte='2018-04-30'
   ).values('stock__symbol', 'trading_date', 'close')
   .order_by('stock__symbol')
   

   • Opdeling:

     • lows.values('stock__symbol') og lows.values('low') henter de respektive værdier fra underforespørgslen.
     • filter forespørgslen mod lows underforespørgselsværdier. Også filter mod den angivne dato for at eliminere lav close priser, der fandt sted før denne dato.
     • Hent de angivne values .
     • Bestil resultatet efter stock__symbol (som standard ascending ).

   • Resultat:

     [
         {
             'close': Decimal('105.00000'), 
             'trading_date': datetime.date(2018, 5, 3), 
             'stock__symbol': 'A'
         }, 
         {
             'close': Decimal('90.00000'), 
             'trading_date': datetime.date(2018, 5, 4), 
             'stock__symbol': 'C'
         }
     ]