如何按日期与外键从Django模型生成指定格式的时间序列？

仅靠Django ORM的常规高层API没法直接生成你要的这种宽表格式结果，因为Django ORM默认返回行式数据（每条记录对应一条StationReading），而你需要的是按time聚合、按Station列展开的透视表结构。不过结合数据库原生功能，完全可以在Django中实现高性能的解决方案：

1. 数据库端透视（性能最优，适合百万级数据） #

如果你的数据库支持透视查询（比如PostgreSQL的crosstab函数、MySQL的条件聚合），直接用原生SQL配合Django的数据库连接执行是性能最好的方式——所有聚合和转换在数据库端完成，避免大量数据传输到Python层。

以PostgreSQL为例，用crosstab实现的代码示例：

from django.db import connection

def get_pivoted_readings():
    # 获取所有站点ID，用于构建列名
    station_ids = Station.objects.values_list('id', flat=True).order_by('id')
    station_columns = ", ".join([f"'Station_{sid}', speed_{sid}" for sid in station_ids])
    
    # 构建crosstab原生SQL
    sql = f"""
        SELECT * FROM crosstab(
            'SELECT time, station_id, speed FROM stationreading ORDER BY 1,2',
            'SELECT id FROM station ORDER BY id'
        ) AS ct(time timestamp, {station_columns});
    """
    
    with connection.cursor() as cursor:
        cursor.execute(sql)
        # 获取列名
        column_names = [col[0] for col in cursor.description]
        # 转换为字典列表返回
        return [dict(zip(column_names, row)) for row in cursor.fetchall()]

2. Django ORM + 内存转换（不推荐百万级数据） #

如果不想写原生SQL，可以先用ORM批量拉取数据，再在Python内存中转换为宽表，但这种方式会把所有数据加载到内存，百万级数据下内存压力极大，性能很差：

from collections import defaultdict

def pivot_readings():
    # 用values_list拉取最简数据，减少内存占用
    readings = StationReading.objects.values_list('time', 'station_id', 'speed').order_by('time')
    # 按时间分组存储各站点的速度
    time_grouped = defaultdict(dict)
    for time, station_id, speed in readings:
        time_grouped[time][f'Station_{station_id}'] = speed
    
    # 整理成最终的宽表格式
    station_cols = [f'Station_{sid}' for sid in Station.objects.values_list('id', flat=True).order_by('id')]
    result = []
    for time in time_grouped:
        row = {'Date': time}
        for col in station_cols:
            row[col] = time_grouped[time].get(col, None)  # 无数据则填None
        result.append(row)
    return result

关键注意事项 #

• 确保time和station_id字段都建立了数据库索引，这会大幅提升查询和排序的性能。
• 如果同一time+station存在多条记录，需要先在数据库端做聚合（比如取平均、最大值），可以在原生SQL中加入GROUP BY time, station_id再透视。
• 超大规模数据建议分页查询+分批转换，避免内存溢出。

内容的提问来源于stack exchange，提问作者Diogo Silva