🚴‍♂️
TIL
  • MAIN
  • : TIL?
  • : WIL
  • : Plan
  • : Retrospective
    • 21Y
      • Wait a moment!
      • 9M 2W
      • 9M1W
      • 8M4W
      • 8M3W
      • 8M2W
      • 8M1W
      • 7M4W
      • 7M3W
      • 7M2W
      • 7M1W
      • 6M5W
      • 1H
    • 새사람 되기 프로젝트
      • 2회차
      • 1회차
  • TIL : ML
    • Paper Analysis
      • BERT
      • Transformer
    • Boostcamp 2st
      • [S]Data Viz
        • (4-3) Seaborn 심화
        • (4-2) Seaborn 기초
        • (4-1) Seaborn 소개
        • (3-4) More Tips
        • (3-3) Facet 사용하기
        • (3-2) Color 사용하기
        • (3-1) Text 사용하기
        • (2-3) Scatter Plot 사용하기
        • (2-2) Line Plot 사용하기
        • (2-1) Bar Plot 사용하기
        • (1-3) Python과 Matplotlib
        • (1-2) 시각화의 요소
        • (1-1) Welcome to Visualization (OT)
      • [P]MRC
        • (2강) Extraction-based MRC
        • (1강) MRC Intro & Python Basics
      • [P]KLUE
        • (5강) BERT 기반 단일 문장 분류 모델 학습
        • (4강) 한국어 BERT 언어 모델 학습
        • [NLP] 문장 내 개체간 관계 추출
        • (3강) BERT 언어모델 소개
        • (2강) 자연어의 전처리
        • (1강) 인공지능과 자연어 처리
      • [U]Stage-CV
      • [U]Stage-NLP
        • 7W Retrospective
        • (10강) Advanced Self-supervised Pre-training Models
        • (09강) Self-supervised Pre-training Models
        • (08강) Transformer (2)
        • (07강) Transformer (1)
        • 6W Retrospective
        • (06강) Beam Search and BLEU score
        • (05강) Sequence to Sequence with Attention
        • (04강) LSTM and GRU
        • (03강) Recurrent Neural Network and Language Modeling
        • (02강) Word Embedding
        • (01강) Intro to NLP, Bag-of-Words
        • [필수 과제 4] Preprocessing for NMT Model
        • [필수 과제 3] Subword-level Language Model
        • [필수 과제2] RNN-based Language Model
        • [선택 과제] BERT Fine-tuning with transformers
        • [필수 과제] Data Preprocessing
      • Mask Wear Image Classification
        • 5W Retrospective
        • Report_Level1_6
        • Performance | Review
        • DAY 11 : HardVoting | MultiLabelClassification
        • DAY 10 : Cutmix
        • DAY 9 : Loss Function
        • DAY 8 : Baseline
        • DAY 7 : Class Imbalance | Stratification
        • DAY 6 : Error Fix
        • DAY 5 : Facenet | Save
        • DAY 4 : VIT | F1_Loss | LrScheduler
        • DAY 3 : DataSet/Lodaer | EfficientNet
        • DAY 2 : Labeling
        • DAY 1 : EDA
        • 2_EDA Analysis
      • [P]Stage-1
        • 4W Retrospective
        • (10강) Experiment Toolkits & Tips
        • (9강) Ensemble
        • (8강) Training & Inference 2
        • (7강) Training & Inference 1
        • (6강) Model 2
        • (5강) Model 1
        • (4강) Data Generation
        • (3강) Dataset
        • (2강) Image Classification & EDA
        • (1강) Competition with AI Stages!
      • [U]Stage-3
        • 3W Retrospective
        • PyTorch
          • (10강) PyTorch Troubleshooting
          • (09강) Hyperparameter Tuning
          • (08강) Multi-GPU 학습
          • (07강) Monitoring tools for PyTorch
          • (06강) 모델 불러오기
          • (05강) Dataset & Dataloader
          • (04강) AutoGrad & Optimizer
          • (03강) PyTorch 프로젝트 구조 이해하기
          • (02강) PyTorch Basics
          • (01강) Introduction to PyTorch
      • [U]Stage-2
        • 2W Retrospective
        • DL Basic
          • (10강) Generative Models 2
          • (09강) Generative Models 1
          • (08강) Sequential Models - Transformer
          • (07강) Sequential Models - RNN
          • (06강) Computer Vision Applications
          • (05강) Modern CNN - 1x1 convolution의 중요성
          • (04강) Convolution은 무엇인가?
          • (03강) Optimization
          • (02강) 뉴럴 네트워크 - MLP (Multi-Layer Perceptron)
          • (01강) 딥러닝 기본 용어 설명 - Historical Review
        • Assignment
          • [필수 과제] Multi-headed Attention Assignment
          • [필수 과제] LSTM Assignment
          • [필수 과제] CNN Assignment
          • [필수 과제] Optimization Assignment
          • [필수 과제] MLP Assignment
      • [U]Stage-1
        • 1W Retrospective
        • AI Math
          • (AI Math 10강) RNN 첫걸음
          • (AI Math 9강) CNN 첫걸음
          • (AI Math 8강) 베이즈 통계학 맛보기
          • (AI Math 7강) 통계학 맛보기
          • (AI Math 6강) 확률론 맛보기
          • (AI Math 5강) 딥러닝 학습방법 이해하기
          • (AI Math 4강) 경사하강법 - 매운맛
          • (AI Math 3강) 경사하강법 - 순한맛
          • (AI Math 2강) 행렬이 뭐예요?
          • (AI Math 1강) 벡터가 뭐예요?
        • Python
          • (Python 7-2강) pandas II
          • (Python 7-1강) pandas I
          • (Python 6강) numpy
          • (Python 5-2강) Python data handling
          • (Python 5-1강) File / Exception / Log Handling
          • (Python 4-2강) Module and Project
          • (Python 4-1강) Python Object Oriented Programming
          • (Python 3-2강) Pythonic code
          • (Python 3-1강) Python Data Structure
          • (Python 2-4강) String and advanced function concept
          • (Python 2-3강) Conditionals and Loops
          • (Python 2-2강) Function and Console I/O
          • (Python 2-1강) Variables
          • (Python 1-3강) 파이썬 코딩 환경
          • (Python 1-2강) 파이썬 개요
          • (Python 1-1강) Basic computer class for newbies
        • Assignment
          • [선택 과제 3] Maximum Likelihood Estimate
          • [선택 과제 2] Backpropagation
          • [선택 과제 1] Gradient Descent
          • [필수 과제 5] Morsecode
          • [필수 과제 4] Baseball
          • [필수 과제 3] Text Processing 2
          • [필수 과제 2] Text Processing 1
          • [필수 과제 1] Basic Math
    • 딥러닝 CNN 완벽 가이드 - Fundamental 편
      • 종합 실습 2 - 캐글 Plant Pathology(나무잎 병 진단) 경연 대회
      • 종합 실습 1 - 120종의 Dog Breed Identification 모델 최적화
      • 사전 훈련 모델의 미세 조정 학습과 다양한 Learning Rate Scheduler의 적용
      • Advanced CNN 모델 파헤치기 - ResNet 상세와 EfficientNet 개요
      • Advanced CNN 모델 파헤치기 - AlexNet, VGGNet, GoogLeNet
      • Albumentation을 이용한 Augmentation기법과 Keras Sequence 활용하기
      • 사전 훈련 CNN 모델의 활용과 Keras Generator 메커니즘 이해
      • 데이터 증강의 이해 - Keras ImageDataGenerator 활용
      • CNN 모델 구현 및 성능 향상 기본 기법 적용하기
    • AI School 1st
    • 현업 실무자에게 배우는 Kaggle 머신러닝 입문
    • 파이썬 딥러닝 파이토치
  • TIL : Python & Math
    • Do It! 장고+부트스트랩: 파이썬 웹개발의 정석
      • Relations - 다대다 관계
      • Relations - 다대일 관계
      • 템플릿 파일 모듈화 하기
      • TDD (Test Driven Development)
      • template tags & 조건문
      • 정적 파일(static files) & 미디어 파일(media files)
      • FBV (Function Based View)와 CBV (Class Based View)
      • Django 입문하기
      • 부트스트랩
      • 프론트엔드 기초다지기 (HTML, CSS, JS)
      • 들어가기 + 환경설정
    • Algorithm
      • Programmers
        • Level1
          • 소수 만들기
          • 숫자 문자열과 영단어
          • 자연수 뒤집어 배열로 만들기
          • 정수 내림차순으로 배치하기
          • 정수 제곱근 판별
          • 제일 작은 수 제거하기
          • 직사각형 별찍기
          • 짝수와 홀수
          • 체육복
          • 최대공약수와 최소공배수
          • 콜라츠 추측
          • 크레인 인형뽑기 게임
          • 키패드 누르기
          • 평균 구하기
          • 폰켓몬
          • 하샤드 수
          • 핸드폰 번호 가리기
          • 행렬의 덧셈
        • Level2
          • 숫자의 표현
          • 순위 검색
          • 수식 최대화
          • 소수 찾기
          • 소수 만들기
          • 삼각 달팽이
          • 문자열 압축
          • 메뉴 리뉴얼
          • 더 맵게
          • 땅따먹기
          • 멀쩡한 사각형
          • 괄호 회전하기
          • 괄호 변환
          • 구명보트
          • 기능 개발
          • 뉴스 클러스터링
          • 다리를 지나는 트럭
          • 다음 큰 숫자
          • 게임 맵 최단거리
          • 거리두기 확인하기
          • 가장 큰 정사각형 찾기
          • H-Index
          • JadenCase 문자열 만들기
          • N개의 최소공배수
          • N진수 게임
          • 가장 큰 수
          • 124 나라의 숫자
          • 2개 이하로 다른 비트
          • [3차] 파일명 정렬
          • [3차] 압축
          • 줄 서는 방법
          • [3차] 방금 그곡
          • 거리두기 확인하기
        • Level3
          • 매칭 점수
          • 외벽 점검
          • 기지국 설치
          • 숫자 게임
          • 110 옮기기
          • 광고 제거
          • 길 찾기 게임
          • 셔틀버스
          • 단속카메라
          • 표 편집
          • N-Queen
          • 징검다리 건너기
          • 최고의 집합
          • 합승 택시 요금
          • 거스름돈
          • 하노이의 탑
          • 멀리 뛰기
          • 모두 0으로 만들기
        • Level4
    • Head First Python
    • 데이터 분석을 위한 SQL
    • 단 두 장의 문서로 데이터 분석과 시각화 뽀개기
    • Linear Algebra(Khan Academy)
    • 인공지능을 위한 선형대수
    • Statistics110
  • TIL : etc
    • [따배런] Kubernetes
    • [따배런] Docker
      • 2. 도커 설치 실습 1 - 학습편(준비물/실습 유형 소개)
      • 1. 컨테이너와 도커의 이해 - 컨테이너를 쓰는이유 / 일반프로그램과 컨테이너프로그램의 차이점
      • 0. 드디어 찾아온 Docker 강의! 왕초보에서 도커 마스터로 - OT
    • CoinTrading
      • [가상 화폐 자동 매매 프로그램] 백테스팅 : 간단한 테스팅
    • Gatsby
      • 01 깃북 포기 선언
  • TIL : Project
    • Mask Wear Image Classification
    • Project. GARIGO
  • 2021 TIL
    • CHANGED
    • JUN
      • 30 Wed
      • 29 Tue
      • 28 Mon
      • 27 Sun
      • 26 Sat
      • 25 Fri
      • 24 Thu
      • 23 Wed
      • 22 Tue
      • 21 Mon
      • 20 Sun
      • 19 Sat
      • 18 Fri
      • 17 Thu
      • 16 Wed
      • 15 Tue
      • 14 Mon
      • 13 Sun
      • 12 Sat
      • 11 Fri
      • 10 Thu
      • 9 Wed
      • 8 Tue
      • 7 Mon
      • 6 Sun
      • 5 Sat
      • 4 Fri
      • 3 Thu
      • 2 Wed
      • 1 Tue
    • MAY
      • 31 Mon
      • 30 Sun
      • 29 Sat
      • 28 Fri
      • 27 Thu
      • 26 Wed
      • 25 Tue
      • 24 Mon
      • 23 Sun
      • 22 Sat
      • 21 Fri
      • 20 Thu
      • 19 Wed
      • 18 Tue
      • 17 Mon
      • 16 Sun
      • 15 Sat
      • 14 Fri
      • 13 Thu
      • 12 Wed
      • 11 Tue
      • 10 Mon
      • 9 Sun
      • 8 Sat
      • 7 Fri
      • 6 Thu
      • 5 Wed
      • 4 Tue
      • 3 Mon
      • 2 Sun
      • 1 Sat
    • APR
      • 30 Fri
      • 29 Thu
      • 28 Wed
      • 27 Tue
      • 26 Mon
      • 25 Sun
      • 24 Sat
      • 23 Fri
      • 22 Thu
      • 21 Wed
      • 20 Tue
      • 19 Mon
      • 18 Sun
      • 17 Sat
      • 16 Fri
      • 15 Thu
      • 14 Wed
      • 13 Tue
      • 12 Mon
      • 11 Sun
      • 10 Sat
      • 9 Fri
      • 8 Thu
      • 7 Wed
      • 6 Tue
      • 5 Mon
      • 4 Sun
      • 3 Sat
      • 2 Fri
      • 1 Thu
    • MAR
      • 31 Wed
      • 30 Tue
      • 29 Mon
      • 28 Sun
      • 27 Sat
      • 26 Fri
      • 25 Thu
      • 24 Wed
      • 23 Tue
      • 22 Mon
      • 21 Sun
      • 20 Sat
      • 19 Fri
      • 18 Thu
      • 17 Wed
      • 16 Tue
      • 15 Mon
      • 14 Sun
      • 13 Sat
      • 12 Fri
      • 11 Thu
      • 10 Wed
      • 9 Tue
      • 8 Mon
      • 7 Sun
      • 6 Sat
      • 5 Fri
      • 4 Thu
      • 3 Wed
      • 2 Tue
      • 1 Mon
    • FEB
      • 28 Sun
      • 27 Sat
      • 26 Fri
      • 25 Thu
      • 24 Wed
      • 23 Tue
      • 22 Mon
      • 21 Sun
      • 20 Sat
      • 19 Fri
      • 18 Thu
      • 17 Wed
      • 16 Tue
      • 15 Mon
      • 14 Sun
      • 13 Sat
      • 12 Fri
      • 11 Thu
      • 10 Wed
      • 9 Tue
      • 8 Mon
      • 7 Sun
      • 6 Sat
      • 5 Fri
      • 4 Thu
      • 3 Wed
      • 2 Tue
      • 1 Mon
    • JAN
      • 31 Sun
      • 30 Sat
      • 29 Fri
      • 28 Thu
      • 27 Wed
      • 26 Tue
      • 25 Mon
      • 24 Sun
      • 23 Sat
      • 22 Fri
      • 21 Thu
      • 20 Wed
      • 19 Tue
      • 18 Mon
      • 17 Sun
      • 16 Sat
      • 15 Fri
      • 14 Thu
      • 13 Wed
      • 12 Tue
      • 11 Mon
      • 10 Sun
      • 9 Sat
      • 8 Fri
      • 7 Thu
      • 6 Wed
      • 5 Tue
      • 4 Mon
      • 3 Sun
      • 2 Sat
      • 1 Fri
  • 2020 TIL
    • DEC
      • 31 Thu
      • 30 Wed
      • 29 Tue
      • 28 Mon
      • 27 Sun
      • 26 Sat
      • 25 Fri
      • 24 Thu
      • 23 Wed
      • 22 Tue
      • 21 Mon
      • 20 Sun
      • 19 Sat
      • 18 Fri
      • 17 Thu
      • 16 Wed
      • 15 Tue
      • 14 Mon
      • 13 Sun
      • 12 Sat
      • 11 Fri
      • 10 Thu
      • 9 Wed
      • 8 Tue
      • 7 Mon
      • 6 Sun
      • 5 Sat
      • 4 Fri
      • 3 Tue
      • 2 Wed
      • 1 Tue
    • NOV
      • 30 Mon
Powered by GitBook
On this page
  • 장고 기본 원리
  • 장고의 작동 구조
  • 장고 개발 준비
  • 웹사이트 구조 구상하기
  • 장고 프로젝트 만들기
  • App 만들기 (블로그 app + 페이지 app)
  • 데이터베이스 개념 이해하기
  • 모델 만들기
  • 장고 shell 사용하기

Was this helpful?

  1. TIL : Python & Math
  2. Do It! 장고+부트스트랩: 파이썬 웹개발의 정석

Django 입문하기

210723

PreviousFBV (Function Based View)와 CBV (Class Based View)Next부트스트랩

Last updated 3 years ago

Was this helpful?

장고 기본 원리

장고의 작동 구조

MTV 패턴

  • Model, Template, View

    • model : models.py에 구현되어 있다. 페이지가 무엇을 담아야 하는지 정의한다. 제목, 내용, 작성자, 작성일 등이 담겨있다.

    • template : index.html에 구현되어 있다.

    • view : urls.py에 구현되어 있다.

  • 데이터 구조, 모양, 로직을 분리하여 개발하는 방법

  • 흐름은 client -> ulrs.py -> views.py -> models.py -> DB -> models.py -> views.py -> index.html -> client

    • 지금 당장 이 흐름을 몰라도 된다. 앞으로 반복을 통해서 장고의 흐름을 점점 이해할 것임

장고 개발 준비

웹사이트 구조 구상하기

  • 대문 페이지

  • 블로그 페이지

  • 자기소개 페이지

새로 저장소를 생성한다.

  • Add .gitignore 에 Python을 추가하게 되면 .py 파일에 대해서는 버전관리를 하지 않는다.

그리고 프로젝트를 파이참으로 열고 가상환경을 설정한다.

.gitignore에는 버전관리를 하지 않을 파이썬 파일들 유형이 적혀있다. 여기에 .idea/를 추가한다.

  • .idea는 파이참에서 프로젝트를 위해 관리하는 파일이다.

이 프로젝트는 가상환경에서 작동하게 되는데 CMDer에서 python을 입력하면 이는 로컬환경에서 작동하는 Python이다.

만약, 가상환경에서 작동되는 Python을 실행하려면 가상환경 설정이 된 프로젝트에서 .\venv\Scripts\activate.bat 을 실행하면 된다. 탈출은 deactivate 를 입력하면 된다. 가상환경에서 작동되면 입력창 앞에 (venv) 가 명시된다.

pip list 는 현재 설치된 파이썬 라이브러리를 보여준다. 가상환경에서는 pip 와 setuptools 만 존재한다.

pip install django 로 장고를 설치할 수 있다.

장고 프로젝트 만들기

django-admin startproject doitdjango_prj .

  • 장고프로젝트를 생성하는 명령어. startproject 뒤에는 프로젝트 이름이 오며 . 을 찍어서 현재 경로에 만들도록 한다.

python manage.py runserver

  • 파이썬 서버를 작동시킨다.

  • 이 때 127.0.0.1/8000 에 접속하면 다음과 같은 화면을 볼 수 있다.

이 때, 터미널에는 다음과 같은 경고 메시지가 뜬다.

18개의 적용되지 않은 마이그레이션이 있다는 이야기.

  • 마이그레이션은 아이템(테이블)을 데이터베이스에 적용하는 것이다.

  • DB에 저장되는 정보라고 생각하면 된다.

  • 기본적으로 프로젝트를 생성하면서 생기는 마이그레이션이 있다.

python manage.py migrate

  • 마이그레이션 하겠다는 명령어

  • 이 명령어를 실행하면 데이터베이스가 생긴다. 기본적으로 SQLITE3가 생긴다.

  • 이 파일들도 역시 git에 푸쉬할 정보들이 아니기 때문에 .gitignore에 추가하는게 좋다

    • 두 개의 파일이 기본적으로 추가되어 있다

      • db.splite3

      • db.sqlite3-journal : 임시 파일

python manage.py createsuperuser

  • 관리자 계정을 만드는 명령어

  • 눈치챘겠지만 대부분 장고에 관련된 일을 할 때는 managa.py 를 입력한다.

  • 이후 서버를 작동시키고 기존 주소 127.0.0.1/8000에 /admin을 추가한 127.0.0.1/8000/admin 에 접속하면 다음과 같은 로그인 페이지를 볼 수 있다.

좀전에 만든 관리자 계정으로 접속하면 볼 수 있는 관리자 페이지

App 만들기 (블로그 app + 페이지 app)

장고에서 App은 안드로이드의 App과는 다르다. 장고의 App은 하나의 기능을 갖는 단위이다.

python manage.py startapp blog

  • app을 만드는 명령어

  • 각 앱마다 다음처럼 고유 파일들을 가진다.

이 때 앱을 생성하게 되면, 프로젝트 파일의 settings.py 에서 생성된 app을 연결해줘야 한다.

이 부분은 다시 다룸.

데이터베이스 개념 이해하기

엑셀에 한 시트를 테이블이라고 하는데 장고에서는 이 테이블을 모델로 구현한다.

테이블내에 하나하나의 데이터(행)를 레코드라고 한다.

모델 만들기

from django.db import models

class Post(models.Model):
    title = models.CharField(max_length=50)
    context = models.TextField()

    created_at = models.DateTimeField()
    # author: 추후 작성 예정

장고에서 제공하는 기능이 models.Model 에 다 있기 때문에 이 클래스를 상속 받는다.

짧은 텍스트의 경우는 CharField 를 긴 텍스트의 경우는 TextField 를 사용하며 max_length 인자로 글자 수를 제한할 수 있다.

이 후 python manage.py makemigrations 를 입력하면 장고가 알아서 코드의 변화를 인지하고 수정사항을 마이그레이션으로 간주한다. 이 때 명령어를 입력하면 아무 변화가 없다고 뜬다. 왜 그럴까?

이는 좀전에 다시 다루겠다고 한 부분과 이어지는 부분!

프로젝트 폴더의 settings.py 에 새로 생성한 app을 연결해주지 않았기 때문이다. 위처럼 연결을 해주고 나야 다음과 같이 migrations이 반영되었다고 뜬다.

다만 이는, 장고에게 마이그레이션이 있다는 것을 알려주기만 한 상태이다. 데이터베이스에 적용한 것은 아니다. 따라서! 데이터베이스에 적용하기 위한 명령어도 작성해야 한다.

python manage.py migrate

db.sqlite에 반영이 되었다.

그리고 이 때 이 반영된 migration이 폴더에 생성되게 되는데 이 역시 git이 관리하지 않도록 ignore에 추가해야한다.

  • migrations 폴더는 ignore의 default로 존재하지 않기 때문에 유저가 직접 추가해야한다!

admin.py

from django.contrib import admin
from .models import Post

admin.site.register(Post)
  • model.py 에서 정의한 db 내용을 볼 수 있는 Post 게시판을 만든다. 여기서 새로운 포스트를 작성할 수 있다.

  • 이 때 작성한 포스팅들을 구별할 수 없다.

    def __str__(self):
        return f"{self.pk} {self.title}"
  • 다음과 같은 매직 함수를 추가하면 구별할 수 있게된다.

    • 이 때 pk는 primary key 를 의미한다.

그리고, 장고는 기본 시간이 영국 시간으로 되어 있기 때문에 settings.py 에서 TIME-ZONE 을 'UTC' 에서 'Asia/Seoul' 로 바꾸어 주면 된다. 그리고 USE-TZ 를 'False' 로 변경한다. USE-TZ 는 타임존을 사용할지에 대한 여부이다. 이렇게 하면 한국시간으로 설정할 수 있다.

여기서는 시간을 사용자가 수동으로 설정해야 한다. 기본적으로 작성되는 시간으로 설정하기 위해 코드를 수정한다.

    created_at = models.DateTimeField(auto_now_add=True)
    updated_at = models.DateTimeField(auto_now=True)
  • auto_now_add 는 새로 추가되었을 때 현재시간으로 설정하라는 것

  • auto_now 는 갱신되 때 현재시간으로 설정하라는 것

기존에 설정할 수 있던 시간이 사라진 모습

장고 shell 사용하기

python manage.py shell 을 입력하면 장고에서 지원하는 대화형 쉘을 사용할 수 있다. 이후 쉘에 쿼리문을 입력해서 DB의 내용을 얻을 수 있다.

Python 3.6.8 (tags/v3.6.8:3c6b436a57, Dec 24 2018, 00:16:47) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
(InteractiveConsole)
>>> from blog.models import Post
>>> Post.objects.all()
<QuerySet [<Post: 1 new post>, <Post: 2 second post>]>
>>> Post.objects.last()
<Post: 2 second post>
>>> Post.objects.first()
<Post: 1 new post>
>>> p = Post.objects.last()
>>> p
<Post: 2 second post>
>>> p.created_at
datetime.datetime(2021, 7, 23, 2, 39, 21)
>>> p.updated_at
>>> exit()

Post.objects

  • all() : 객체의 모든것을 할당

  • last() : 객체의 가장 마지막으로 속한 부분을 할당

  • first() : 객체의 가장 처음으로 속한 부분을 할당

  • 할당된 데이터를 변수에 저장할 수 있고, models.py 에서 정의한 column들을 변수.속성 으로 사용할 수 있다.

Do It Django