aggregate 返回单个字典，用于全表统计；annotate 为每条记录添加字段并返回 queryset，需配合 values() 实现分组聚合，顺序错误或字段遗漏易导致逻辑异常。
annotate 和 aggregate 的根本区别在哪
aggregate 返回的是单个字典，比如 {'total': 123}，适合做全表统计；annotate 是给每条 QuerySet 记录“加字段”，返回的是带新字段的 QuerySet，适合分组后对每组算指标。很多人一上来就用 aggregate 想实现分组求和，结果报错 AttributeError: 'dict' object has no attribute 'annotate'——因为 aggregate 执行完就不是 QuerySet 了。
关键判断点：要按 user_id 分组统计每人订单数？用 annotate；要算全站总订单数？用 aggregate。
用 values + annotate 实现分组聚合
Django 不像 SQL 那样显式写 GROUP BY，而是靠 values() “声明分组维度”。顺序很重要：values() 必须在 annotate() 前调用，否则会按模型主键隐式分组（常导致结果行数异常多）。
- 错误写法：
Order.objects.annotate(count=Count('id')).values('user_id')→ 先加字段再取值，分组失效 - 正确写法：
Order.objects.values('user_id').annotate(count=Count('id'))→ 先按user_id分组，再对每组计数 - 多字段分组：
.values('user_id', 'status')，注意字段顺序不影响结果，但影响输出字典 key 的顺序 - 想保留原模型字段？不行。
values()后只含列出的字段 +annotate新增字段，其他字段被丢弃
嵌套聚合与条件聚合怎么写
需要“每个用户已支付订单数”和“未支付订单数”并列？不能靠两个 annotate 简单叠加，得用 Case + When 构造条件表达式：
通过 `dcc-mcp-cli` 命令行工具控制实时 DCC 主机（Maya、Blender、Houdini、Photoshop、3ds Max 以及自定义的 Studio 工具）。 针对 ClawHub、OpenClaw、Cursor、Claude 和支持 shell 的 Agent 主机：验证网关健康状态、列出已注册的 DCC 实例、搜索工具、检查 Schema、调用工具——全程无需直接编写或发送 MCP 请求。 若系统中未安装 `dcc-mcp-cli`，需先征得用户同意，再从 GitHub
from django.db.models import Count, Case, When, IntegerField
Order.objects.values('user_id').annotate(
paid_count=Count(Case(When(status='paid', then=1), output_field=IntegerField())),
unpaid_count=Count(Case(When(status='unpaid', then=1), output_field=IntegerField()))
)
注意点：
-
Count里套Case是常见模式，但别漏掉output_field，否则 SQLite 可能报DatabaseError: Cannot resolve keyword 'xxx' into field - 想算金额总和？把
Count换成Sum，参数一样 - 避免在
annotate里用F直接引用未values的字段，否则分组逻辑会混乱
性能陷阱：N+1 和数据库兼容性
看似简单的 annotate 可能在 PostgreSQL 和 MySQL 上行为不同。比如对 DateTimeField 按日期分组：
- PostgreSQL 支持
.extra({'date': "DATE(created_at)"})，但 MySQL 5.7 不认DATE()别名，得用.annotate(date=TruncDate('created_at')) - 用
distinct=True在Count里去重？小心性能——MySQL 会强制走临时表，大数据量时极慢 - 最隐蔽的坑：在
annotate后接select_related或prefetch_related，Django 会忽略预加载，因为annotate已触发 SQL 查询
复杂分组聚合真正难的不是语法，而是意识到 values() 是分组开关、annotate() 是每组计算器、而数据库方言会悄悄改写你的意图。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
