如何用Django ORM高效实现课程与学生交叉连接并关联成绩？

你的问题太典型了——当要生成这种课程×学生的二维成绩交叉表时，循环查询每一组(课程,学生)的成绩确实会踩中N+1查询的大坑（30个学生×50门课就是1500次查询！），完全可以用Django ORM的预取能力+内存映射来解决，下面给你两种高效的实现方式：

方案一：预取所有成绩，内存中构建映射表 #

这个方法只需要1次查询获取所有相关成绩，然后用字典把(学生ID,课程ID)映射到对应成绩，之后遍历课程-学生组合时直接查字典即可，彻底避免循环中的重复查询：

from itertools import product

# 先获取目标班级的学生和需要展示的课程（假设你已经拿到classroom实例）
students = Student.objects.filter(classroom=classroom).all()
courses = Course.objects.all()  # 可根据需求筛选特定课程

# 一次性拉取所有相关成绩，关联学生和课程（仅1次查询）
grades = Grades.objects.filter(
    student__in=students,
    course__in=courses
).select_related('student', 'course')

# 构建(student_id, course_id) -> grade的字典映射，内存中快速查找
grade_map = {(g.student_id, g.course_id): g.grade for g in grades}

# 生成交叉表数据
cross_table_data = []
for course in courses:
    row = {"course_name": course.name}
    for student in students:
        # 用get方法处理无成绩的情况，返回空字符串
        row[student.name] = grade_map.get((student.id, course.id), "")
    cross_table_data.append(row)

这种方式总共只需要3次查询（学生、课程、成绩），性能比原来的循环查询提升几个数量级。

方案二：用Django ORM直接生成结构化数据（进阶） #

如果想更贴合Django ORM的风格，还可以用annotate结合Case/When，让数据库直接为每个学生生成对应的成绩字段，适合学生数量固定的小型班级场景：

from django.db.models import Case, When, Value, CharField

students = Student.objects.filter(classroom=classroom).all()
# 为每个学生创建一个Case/When子句，匹配他们的对应成绩
annotations = {}
for student in students:
    annotations[f"student_{student.id}_grade"] = Case(
        When(grades__student=student, then="grades__grade"),
        default=Value(""),
        output_field=CharField()
    )

# 一次性查询所有课程及其对应每个学生的成绩（仅2次查询）
course_grade_data = Course.objects.annotate(
    **annotations
).prefetch_related("grades__student").distinct()

# 转换为交叉表格式
cross_table_data = []
for course in course_grade_data:
    row = {"course_name": course.name}
    for student in students:
        row[student.name] = getattr(course, f"student_{student.id}_grade")
    cross_table_data.append(row)

这个方法把成绩匹配逻辑下推到数据库处理，同样能彻底解决N+1问题。

两种方案的对比 #

• 方案一更灵活，适合学生或课程数量动态变化的场景，内存处理逻辑直观易懂；
• 方案二更贴近ORM风格，依赖数据库的聚合能力，适合学生数量固定的小型班级。

不管选哪种，都能把你的查询次数从1500+降到3次以内，性能提升非常明显。

内容的提问来源于stack exchange，提问作者MrDikke