Django日期范围分箱过滤 按重叠天数比例计算需求量

核心逻辑 #

两个日期区间存在交集的判定规则为：记录的起始日期 ≤ 查询范围结束日期，且记录的结束日期 ≥ 查询范围起始日期。交集区间的起止为两个区间起始的最大值、两个区间结束的最小值，用交集区间的天数占单条记录总覆盖天数的比例，乘以原始需求量，就是对应区间的分摊值。

步骤1：数据库层面预过滤交集数据 #

先在ORM层过滤所有和查询范围有交集的记录，避免全表遍历消耗性能，同时排除起止日期全空的无效数据：

from django.db.models import F, Value, Round
from django.db.models.functions import Greatest, Least
from datetime import date

# 替换为你实际的查询起止日期
filter_start = date(2024, 1, 1)
filter_end = date(2024, 12, 31)

# 替换为你的模型类名
overlap_qs = FiscalYearDemand.objects.exclude(
    start_date__isnull=True, end_date__isnull=True
).filter(
    start_date__lte=filter_end,
    end_date__gte=filter_start
)

注意：如果业务上start_date或end_date为null代表无边界（比如start为null代表从最早日期生效），可以去掉上述exclude规则，后续计算时补全默认边界即可。

步骤2：计算分摊需求量 #

方案1：Python层遍历计算（逻辑直观、易调试，推荐数据量小的场景用） #

直接遍历预过滤后的查询集，逐条计算重叠区间和分摊值：

result = []
for record in overlap_qs:
    # 补全空边界，按业务规则调整即可，比如空start取业务最早日期，空end取当前日期
    rec_start = record.start_date if record.start_date else date.min
    rec_end = record.end_date if record.end_date else date.max

    # 计算重叠区间
    overlap_start = max(rec_start, filter_start)
    overlap_end = min(rec_end, filter_end)

    # 计算天数，+1是为了包含首尾日期，比如1号到2号共覆盖2天，不需要则去掉+1
    overlap_days = (overlap_end - overlap_start).days + 1
    total_days = (rec_end - rec_start).days + 1

    # 按占比计算需求量，取整规则按业务选round/ceil/floor即可
    proportional_demand = round(record.new_demand * overlap_days / total_days)

    result.append({
        "record_id": record.id,
        "original_demand": record.new_demand,
        "overlap_range": [overlap_start, overlap_end],
        "proportional_demand": proportional_demand
    })

方案2：数据库层注解计算（性能更高，推荐数据量大的场景用） #

直接通过数据库函数在查询时就计算好分摊值，不需要遍历Python对象：

annotated_qs = overlap_qs.annotate(
    overlap_start=Greatest(F("start_date"), Value(filter_start)),
    overlap_end=Least(F("end_date"), Value(filter_end)),
    # 注意：不同数据库的日期差语法有差异，以下写法适配PostgreSQL
    # MySQL请替换为：overlap_days=DATEDIFF(Least(F("end_date"), Value(filter_end)), Greatest(F("start_date"), Value(filter_start))) + Value(1)
    overlap_days=Least(F("end_date"), Value(filter_end)) - Greatest(F("start_date"), Value(filter_start)) + Value(1),
    total_days=F("end_date") - F("start_date") + Value(1),
    proportional_demand=Round(F("new_demand") * F("overlap_days") * 1.0 / F("total_days"))
)

执行后直接通过record.proportional_demand就能拿到每条记录的分摊需求量，不需要额外计算。

常见坑点 #

• 日期计数规则：如果业务统计是按“间隔天数”不包含首尾当日，去掉天数计算里的+1即可，避免多算。
• 除零错误：如果存在start_date和end_date相同的记录，总天数为1不会触发除零，但如果你的业务里允许起止日期相同且需求量为0，提前加判断避免异常。
• 空值处理：不要直接硬编码date.min/date.max作为空值默认，优先按业务实际规则补全边界，比如财年最早不早于2000年，最晚不晚于2100年，避免日期计算溢出。

内容的提问来源于stack exchange，提问作者Will Rollason