sdu项目实训2-2 DRF中ModelSerializer的使用

可以使用ModelSerializer根据模型类生成字段


前言

ModelSerializer的作用:

  • 1.可以参考模型类自动生成字段, 还可以自己编写字段
  • 2.提供了create方法,update方法

一、定义模型类序列化器

from rest_framework import serializers
from . import models
from .models import City_cropinfo, User

#定义用户模型类序列化器
class UserModelSerializer(serializers.ModelSerializer):

    class Meta:
        model = User  #参考模型类生成字段
        fields = '__all__'  #生成所有字段

二、测试序列化与反序列化

1.序列化

使用模型类序列化器, 测试序列化

  • 操作流程
    from agriculture.models import User
    from agriculture.serializers import UserModelSerializer

    # 1,获取模型类对象
    user = User.objects.get(id=1)

    # 2,创建序列化器对象
    serializer = UserModelSerializer(instance=user)

    # 3,输出结果
    serializer.data
  • 输出结果
输出结果如下:
{'id': 1, 'useraccount': '123456', 'password': '123', 'username': '你好', 'phone': '13232345678', 'email': '123456@qq.com'}

2.反序列化入库操作

使用模型类序列化器, 测试反序列化的入库操作

  • 操作流程
	from agriculture.serializers import UserModelSerializer
	
	# 1,准备字典数据
    user_dict = {
        'useraccount': '000001',
        'password': 'abc123',
        'username': '旺旺',
        'phone': '13567812333',
        'email':'12345601@qq.com'
    }

    # 2,序列化器对象创建
    serializer = UserModelSerializer(data=user_dict)

    # 3,校验,入库
    serializer.is_valid(raise_exception=True)
    serializer.save()
  • 测试结果
    在这里插入图片描述
    已将将数据加入了数据库

3.反序列化更新操作

使用模型类序列化器, 测试反序列化的更新操作

  • 操作流程
	from agriculture.models import User
    from agriculture.serializers import UserModelSerializer

	# 1,准备字典数据, 用户对象
    user = User.objects.get(id=4)
    user_dict = {
        'useraccount': '000001',
        'password': 'abcd1234',
        'username': '财财',
        'phone': '13567812666',
        'email':'12345602@163.com'
    }

    # 2,序列化器对象创建
    serializer = UserModelSerializer(instance=user, data=user_dict)

    # 3,校验,入库
    serializer.is_valid(raise_exception=True)
    serializer.save()
  • 测试结果
    在这里插入图片描述
    已经修改了数据库中的数据

总结

ModelSerializer比起普通的序列化器方便快捷了很多

【Koopman】遍历论、动态模态分解和库普曼算子谱特性的计算研究(Matlab代码实现)内容概要:本文围绕【Koopman】遍历论、动态模态分解和库普曼算子谱特性的计算研究展开,重点介绍基于Matlab的代码实现方法。文章系统阐述了遍历理论的基本概念、动态模态分解(DMD)的数学原理及其与库普曼算子谱特性之间的内在联系,展示了如何通过数值计算手段分析非线性动力系统的演化行为。文中提供了完整的Matlab代码示例,涵盖数据驱动的模态分解、谱分析及可视化过程,帮助读者理解并复现相关算法。同时,文档还列举了多个相关的科研方向和技术应用场景,体现出该方法在复杂系统建模与分析中的广泛适用性。; 适合人群:具备一定动力系统、线性代数与数值分析基础,熟悉Matlab编程,从事控制理论、流体力学、信号处理或数据驱动建模等领域研究的研究生、博士生及科研人员。; 使用场景及目标:①深入理解库普曼算子理论及其在非线性系统分析中的应用;②掌握动态模态分解(DMD)算法的实现与优化;③应用于流体动力学、气候建模、生物系统、电力系统等领域的时空模态提取与预测;④支撑高水平论文复现与科研项目开发。; 阅读建议:建议读者结合Matlab代码逐段调试运行,对照理论推导加深理解;推荐参考文中提及的相关研究方向拓展应用场景;鼓励在实际数据上验证算法性能,并尝试改进与扩展算法功能。
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成一套完整的电子商务解决方案。该系统架构支持单一商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统一管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是一套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值