---
title: "聚合"
version: 6.1
locale: zh-hans
source: https://docs.djangoproject.com/zh-hans/6.1/topics/db/aggregation/
canonical: https://djangodocs.dev/zh-hans/6.1/topics/db/aggregation/
---
# 聚合

Django 数据库抽象 API 描述了使用 Django queries 来增删查改单个对象的方法。 然而，有时候你要获取的值需要根据一组对象聚合后才能得到。这个主题指南描述了如何使用 Django queries 来生成和返回聚合值的方法。

整篇指南我们将引用以下模型。这些模型用来记录多个网上书店的库存。

```python
from django.db import models

class Author(models.Model):
    name = models.CharField(max_length=100)
    age = models.IntegerField()

class Publisher(models.Model):
    name = models.CharField(max_length=300)

class Book(models.Model):
    name = models.CharField(max_length=300)
    pages = models.IntegerField()
    price = models.DecimalField(max_digits=10, decimal_places=2)
    rating = models.FloatField()
    authors = models.ManyToManyField(Author)
    publisher = models.ForeignKey(Publisher, on_delete=models.CASCADE)
    pubdate = models.DateField()

class Store(models.Model):
    name = models.CharField(max_length=300)
    books = models.ManyToManyField(Book)
```

## 速查表

下面是根据以上模型执行常见的聚合查询：

```pycon
# Total number of books.
>>> Book.objects.count()
2452

# Total number of books with publisher=BaloneyPress
>>> Book.objects.filter(publisher__name="BaloneyPress").count()
73

# Average price across all books, provide default to be returned instead
# of None if no books exist.
>>> from django.db.models import Avg
>>> Book.objects.aggregate(Avg("price", default=0))
{'price__avg': 34.35}

# Max price across all books, provide default to be returned instead of
# None if no books exist.
>>> from django.db.models import Max
>>> Book.objects.aggregate(Max("price", default=0))
{'price__max': Decimal('81.20')}

# Difference between the highest priced book and the average price of all books.
>>> from django.db.models import FloatField
>>> Book.objects.aggregate(
...     price_diff=Max("price", output_field=FloatField()) - Avg("price")
... )
{'price_diff': 46.85}

# All the following queries involve traversing the Book<->Publisher
# foreign key relationship backwards.

# Each publisher, each with a count of books as a "num_books" attribute.
>>> from django.db.models import Count
>>> pubs = Publisher.objects.annotate(num_books=Count("book"))
>>> pubs
<QuerySet [<Publisher: BaloneyPress>, <Publisher: SalamiPress>, ...]>
>>> pubs[0].num_books
73

# Each publisher, with a separate count of books with a rating above and below 5
>>> from django.db.models import Q
>>> above_5 = Count("book", filter=Q(book__rating__gt=5))
>>> below_5 = Count("book", filter=Q(book__rating__lte=5))
>>> pubs = Publisher.objects.annotate(below_5=below_5).annotate(above_5=above_5)
>>> pubs[0].above_5
23
>>> pubs[0].below_5
12

# The top 5 publishers, in order by number of books.
>>> pubs = Publisher.objects.annotate(num_books=Count("book")).order_by("-num_books")[:5]
>>> pubs[0].num_books
1323
```

## 在 `QuerySet` 上生成聚合

Django 提供两种生成聚合值的方法。第一种方法是在整个 `QuerySet` 上生成摘要值。例如，假设您想计算所有可售书籍的平均价格。Django 的查询语法提供了一种描述所有书籍集合的方法：

```pycon
>>> Book.objects.all()
```

我们需要的是一种方法来计算属于这个 `QuerySet` 的对象的摘要值。这可以通过在 `QuerySet` 上附加一个 `aggregate()` 子句来实现：

```pycon
>>> from django.db.models import Avg
>>> Book.objects.all().aggregate(Avg("price"))
{'price__avg': 34.35}
```

在这个示例中，`all()` 是多余的，所以可以简化为：

```pycon
>>> Book.objects.aggregate(Avg("price"))
{'price__avg': 34.35}
```

传递给 `aggregate()` 的参数描述了我们想要计算的聚合值。在这个例子里，要计算的就是 `Book` 模型上的 `price` 字段的平均值。可用的聚合函数列表可以在 [QuerySet reference](/zh-hans/6.1/ref/models/querysets/#aggregation-functions) 中找到。

`aggregate()` 是一个 `QuerySet` 的终端子句，当调用时，它返回一个名值对的字典。名称是聚合值的标识符；值是计算得到的聚合值。名称是从字段名称和聚合函数自动生成的。如果您想手动指定聚合值的名称，可以在指定聚合子句时提供该名称：

```pycon
>>> Book.objects.aggregate(average_price=Avg("price"))
{'average_price': 34.35}
```

如果您想生成多个聚合值，可以向 `aggregate()` 子句添加另一个参数。因此，如果我们还想知道所有书的最高价和最低价，可以发出以下查询：

```pycon
>>> from django.db.models import Avg, Max, Min
>>> Book.objects.aggregate(Avg("price"), Max("price"), Min("price"))
{'price__avg': 34.35, 'price__max': Decimal('81.20'), 'price__min': Decimal('12.99')}
```

## 为 `QuerySet` 中的每一个条目生成聚合

生成值的汇总的另一个办法是为 [`QuerySet`](/zh-hans/6.1/ref/models/querysets/#django.db.models.query.QuerySet) 的每一个对象生成独立汇总。比如，如果你想检索书籍列表，你可能想知道每一本书有多少作者。每一本书与作者有多对多的关系；我们想在 `QuerySet` 中为每一本书总结这个关系。

使用 [`annotate()`](/zh-hans/6.1/ref/models/querysets/#django.db.models.query.QuerySet.annotate) 子句可以生成每一个对象的汇总。当指定  `annotate()` 子句，`QuerySet` 中的每一个对象将对指定值进行汇总。

这些汇总语法规则与 [`aggregate()`](/zh-hans/6.1/ref/models/querysets/#django.db.models.query.QuerySet.aggregate) 子句的规则相同。`annotate()` 的每一个参数描述了一个要计算的聚合。比如，注解（annotate）所有书的所有作者：

```pycon
# Build an annotated queryset
>>> from django.db.models import Count
>>> q = Book.objects.annotate(Count("authors"))
# Interrogate the first object in the queryset
>>> q[0]
<Book: The Definitive Guide to Django>
>>> q[0].authors__count
2
# Interrogate the second object in the queryset
>>> q[1]
<Book: Practical Django Projects>
>>> q[1].authors__count
1
```

与 `aggregate()` 一样，注释的名称是从聚合函数的名称和被聚合字段的名称自动派生的。您可以通过在指定注释时提供别名来覆盖这个默认名称：

```pycon
>>> q = Book.objects.annotate(num_authors=Count("authors"))
>>> q[0].num_authors
2
>>> q[1].num_authors
1
```

与 `aggregate()` 不同的是，`annotate()` *不* 是终端子句。`annotate()` 子句的输出就是 `QuerySet`；这个 `QuerySet` 被其他 `QuerySet` 操作进行修改，包括 `filter()`, `order_by()` ，甚至可以对 `annotate()` 进行额外调用。

### 组合多个聚合

使用 `annotate()` 组合多个聚合将产生错误的结果( [yield the wrong results](https://code.djangoproject.com/ticket/10060) )，因为它使用连接(joins)而不是子查询：

```pycon
>>> book = Book.objects.first()
>>> book.authors.count()
2
>>> book.store_set.count()
3
>>> q = Book.objects.annotate(Count("authors"), Count("store"))
>>> q[0].authors__count
6
>>> q[0].store__count
6
```

对大部分聚合来说，没办法避免这个问题，但是，[`Count`](/zh-hans/6.1/ref/models/querysets/#django.db.models.Count) 聚合可以使用 `distinct` 参数来避免：

```pycon
>>> q = Book.objects.annotate(
...     Count("authors", distinct=True), Count("store", distinct=True)
... )
>>> q[0].authors__count
2
>>> q[0].store__count
3
```

> **如有疑问，请检查 SQL 查询！**
>
> 为了搞清楚你的查询发生了什么问题，你得在 `QuerySet` 中检查一下\`\`query\`\` 属性。

## 连接(Joins)和聚合

到目前为止，我们已经处理了被查询模型字段的聚合。然而，有时候想聚合的值属于你正在查询模型的关联模型。

在聚合函数中指定聚合字段时，Django 允许你使用与过滤器引用相关字段时相同的 [双下划线表示法](/zh-hans/6.1/topics/db/queries/#field-lookups-intro)。然后，Django 将处理任何所需的表连接以检索和聚合相关值。

例如，要找出每家商店提供的书籍价格范围，您可以使用以下注释：

```pycon
>>> from django.db.models import Max, Min
>>> Store.objects.annotate(min_price=Min("books__price"), max_price=Max("books__price"))
```

这告诉 Django 去检索 `Store` 模型，连接（通过多对多关系） `Book` 模型，并且聚合书籍模型的价格字段来获取最大最小值。

相同的规则也适用于 `aggregate()` 子句。如果您想知道在任何商店都有销售的任何书的最低价和最高价，可以使用聚合操作：

```pycon
>>> Store.objects.aggregate(min_price=Min("books__price"), max_price=Max("books__price"))
```

连接链可以根据需要深入。例如，要提取任何可售书籍中最年轻作者的年龄，可以发出以下查询：

```pycon
>>> Store.objects.aggregate(youngest_age=Min("books__authors__age"))
```

### 反向关系

类似于 [跨关系查询](/zh-hans/6.1/topics/db/queries/#lookups-that-span-relationships) ，你正在查询的在模型和模型字段上的聚合和注解(annotations)可以包含反向关系。关系模型的小写名和双下划线也可以用在这里。

例如，我们可以请求所有出版商，附带它们各自的总书库存计数器（请注意如何使用 `'book'` 来指定 `Publisher` -\> `Book` 的反向外键跳跃）：

```pycon
>>> from django.db.models import Avg, Count, Min, Sum
>>> Publisher.objects.annotate(Count("book"))
```

(查询结果里的每一个 `Publisher` 会有多余的属性—— `book__count` 。)

我们还可以要求每个出版商管理的书籍中最老的一本书：

```pycon
>>> Publisher.objects.aggregate(oldest_pubdate=Min("book__pubdate"))
```

(结果字典中会有一个叫 `'oldest_pubdate'` 的键。如果没有指定这样的别名，它将会是一个很长的名字 `'book__pubdate__min'` 。)

这不仅适用于外键，还适用于多对多关系。例如，我们可以要求每个作者，附带考虑作者（共同）合著的所有书籍的总页数的注释（请注意如何使用 `'book'` 来指定 `Author` -\> `Book` 的反向多对多跳跃）：

```pycon
>>> Author.objects.annotate(total_pages=Sum("book__pages"))
```

（结果集里的每一个 `Author` 会有一个额外的属性——`total_pages`）如果没有指定这样的别名，它将会是一个很长的名字 `book__pages__sum`）

或者要求计算我们记录的所有作者所著书籍的平均评分：

```pycon
>>> Author.objects.aggregate(average_rating=Avg("book__rating"))
```

（结果字典会有一个叫 `'average_rating'` 的键。如果没有指定这样的别名，它将会是一个很长的名字 `'book__rating__avg'`。）

## 聚合和其他 `QuerySet` 子句

### `filter()` 和 `exclude()`

聚合也可以参与过滤。任何应用于普通模型字段的 `filter()` （或 `exclude()`）会具有约束被认为是聚合的对象的效果。

当与 `annotate()` 子句一起使用时，过滤器的效果是限制计算注释的对象。例如，您可以使用以下查询生成所有标题以 "Django" 开头的书籍的带注释列表：

```pycon
>>> from django.db.models import Avg, Count
>>> Book.objects.filter(name__startswith="Django").annotate(num_authors=Count("authors"))
```

当与 `aggregate()` 子句一起使用时，过滤器的效果是限制计算聚合的对象。例如，您可以使用以下查询生成所有标题以 "Django" 开头的书籍的平均价格：

```pycon
>>> Book.objects.filter(name__startswith="Django").aggregate(Avg("price"))
```

#### 过滤注解

注解过的值也可以使用过滤器。注解的别名可以和任何其他模型字段一样使用 `filter()` 和 `exclude()` 子句。

例如，要生成一个具有多位作者的书籍列表，您可以发出以下查询：

```pycon
>>> Book.objects.annotate(num_authors=Count("authors")).filter(num_authors__gt=1)
```

这个查询生成一个注解结果集，然后生成一个基于注解的过滤器。

如果您需要两个具有两个单独过滤器的注释，可以在任何聚合操作中使用 `filter` 参数。例如，要生成具有高评分书籍计数的作者列表：

```pycon
>>> highly_rated = Count("book", filter=Q(book__rating__gte=7))
>>> Author.objects.annotate(num_books=Count("book"), highly_rated_books=highly_rated)
```

结果集中的每个 `Author` 都有 `num_books` 和 `highly_rated_books` 属性。参见 [条件聚合](/zh-hans/6.1/ref/models/conditional-expressions/#conditional-aggregation)。

> **在 filter 和 QuerySet.filter() 中做选择**
>
> 避免在单个注解和聚合中使用 `filter` 语句。使用 `QuerySet.filter()` 来排除列会很高效。聚合 `filter` 语句只在使用具有不同条件的相同关系的两个或以上的聚合时有用。

#### `annotate()` 和 `filter()` 子句的顺序

当开发一个涉及 `annotate()` 和 `filter()` 子句的复杂查询时，要特别注意应用于  `QuerySet` 的子句的顺序。

当一个 `annotate()` 子句应用于查询，会根据查询状态来计算注解，直到请求的注解为止。这实际上意味着 `filter()` 和 `annotate()` 不是可交换的操作。

比如：

- 出版者A有两本评分4和5的书。
- 出版者B有两本评分1和4的书。
- 出版者C有一本评分1的书。

以下是一个使用 `Count` 聚合的示例：

```pycon
>>> a, b = Publisher.objects.annotate(num_books=Count("book", distinct=True)).filter(
...     book__rating__gt=3.0
... )
>>> a, a.num_books
(<Publisher: A>, 2)
>>> b, b.num_books
(<Publisher: B>, 2)

>>> a, b = Publisher.objects.filter(book__rating__gt=3.0).annotate(num_books=Count("book"))
>>> a, a.num_books
(<Publisher: A>, 2)
>>> b, b.num_books
(<Publisher: B>, 1)
```

两个查询返回出版者列表，这些出版者至少有一本评分3的书，因此排除了C。

在第一个查询里，注解优先于过滤器，因此过滤器没有影响注解。`distinct=True` 用来避免 a [query bug](#combining-multiple-aggregations)。

第二个查询每个发布者评分3以上的书籍数量。过滤器优先于注解，因此过滤器约束计算注解时考虑的对象。

以下是另一个使用 `Avg` 聚合的示例：

```pycon
>>> a, b = Publisher.objects.annotate(avg_rating=Avg("book__rating")).filter(
...     book__rating__gt=3.0
... )
>>> a, a.avg_rating
(<Publisher: A>, 4.5)  # (5+4)/2
>>> b, b.avg_rating
(<Publisher: B>, 2.5)  # (1+4)/2

>>> a, b = Publisher.objects.filter(book__rating__gt=3.0).annotate(
...     avg_rating=Avg("book__rating")
... )
>>> a, a.avg_rating
(<Publisher: A>, 4.5)  # (5+4)/2
>>> b, b.avg_rating
(<Publisher: B>, 4.0)  # 4/1 (book with rating 1 excluded)
```

第一个查询请求至少有一本评分3以上的书籍的出版者的书籍平均分。第二个查询只请求评分3以上的作者书籍的平均评分。

很难凭直觉了解 ORM 如何将复杂的查询集转化为 SQL 查询，因此当有疑问时，请使用 `str(queryset.query)` 检查 SQL，并写大量的测试。

### `order_by()`

注解可以当做基本排序来使用。当你定义了一个 `order_by()` 子句，你提供的聚合可以引用任何定义为查询中 `annotate()` 子句的一部分的别名。

例如，要按参与书籍创作的作者数量对书籍的 `QuerySet` 进行排序，您可以使用以下查询：

```pycon
>>> Book.objects.annotate(num_authors=Count("authors")).order_by("num_authors")
```

### `values()`

通常，注解值会添加到每个对象上，即一个被注解的 `QuerySet` 将会为初始 `QuerySet` 的每个对象返回一个结果集。然而，当使用 `values()` 子句来对结果集进行约束时，生成注解值的方法会稍有不同。不是在原始 `QuerySet` 中对每个对象添加注解并返回，而是根据定义在 `values()` 子句中的字段组合先对结果进行分组，再对每个单独的分组进行注解，这个注解值是根据分组中所有的对象计算得到的。

下面是一个关于作者的查询例子，查询每个作者所著书的平均评分：

```pycon
>>> Author.objects.annotate(average_rating=Avg("book__rating"))
```

这段代码返回的是数据库中的所有作者及其所著书的平均评分。

然而，如果您使用 `values()` 子句，结果会略有不同：

```pycon
>>> Author.objects.values("name").annotate(average_rating=Avg("book__rating"))
```

在这个例子中，作者会按名字分组，所以你只能得到不重名的作者分组的注解值。这意味着如果你有两个作者同名，那么他们原本各自的查询结果将被合并到同一个结果中；两个作者的所有评分都将被计算为一个平均分。

#### `annotate()` 和 `values()` 的顺序

和使用 `filter()` 一样，作用于某个查询的 `annotate()` 和 `values()` 子句的顺序非常重要。如果 `values()` 子句在 `annotate()` 之前，就会根据 `values()` 子句产生的分组来计算注解。

然而如果 `annotate()` 子句在 `values()` 之前，就会根据整个查询集生成注解。这种情况下，`values()` 子句只能限制输出的字段。

例如，如果我们反转先前示例中的 `values()` 和 `annotate()` 子句的顺序：

```pycon
>>> Author.objects.annotate(average_rating=Avg("book__rating")).values(
...     "name", "average_rating"
... )
```

这段代码将为每个作者添加一个唯一注解，但只有作者姓名和 `average_rating` 注解会返回在输出结果中。

你应该也会注意 `average_rating` 已经明确包含在返回的值列表中。这是必需的，因为 `values()` 和 `annotate()` 子句的顺序。

如果 `values()` 子句在 `annotate()` 子句之前，任何注解将自动添加在结果集中。然而，如果 `values()` 子句应用在 `annotate()` 子句之后，则需要显式包含聚合列。

#### Interaction with `order_by()`

在查询集的 `order_by()` 部分提到的字段会在选择输出数据时使用，即使它们在 `values()` 调用中没有被明确指定。这些额外的字段用于将类似的结果分组在一起，它们可以使否则相同的结果行看起来是分开的。这在计算数量时特别明显。

举个例子，假设你有这样的模型：

```
from django.db import models

class Item(models.Model):
    name = models.CharField(max_length=10)
    data = models.IntegerField()
```

如果您想计算在有序查询集中每个不同的 `data` 值出现的次数，您可以尝试这样做：

```
items = Item.objects.order_by("name")
# Warning: not quite correct!
items.values("data").annotate(Count("id"))
```

...这将根据它们共同的 `data` 值将 `Item` 对象分组，然后计算每个组中 `id` 值的数量。但实际上，它不会完全起作用。按照 `name` 进行排序也会影响分组，所以这个查询将根据不同的 `(data, name)` 对进行分组，这不是您想要的。相反，您应该构建这个查询集：

```
items.values("data").annotate(Count("id")).order_by()
```

清除任何查询中的排序。你也可以通过 `data` 排序，没有任何有害影响，因为它已经在查询中发挥了作用。

这个行为与 [`distinct()`](/zh-hans/6.1/ref/models/querysets/#django.db.models.query.QuerySet.distinct) 的查询文档指出的行为相同，一般规则是一样的：通常情况下，你不希望额外的列在结果中发挥作用，因此要清除排序，或者至少确保它只限于您在 `values()` 调用中选择的那些字段。

> **Note**
>
> You might reasonably ask why Django doesn't remove the extraneous columns
> for you. The main reason is consistency with `distinct()` and other
> places: Django **never** removes ordering constraints that you have
> specified *explicitly with* `order_by()` (and we can't change those
> other methods' behavior, as that would violate our
> [API 的稳定性](/zh-hans/6.1/misc/api-stability/) policy).

> **Default ordering not applied to GROUP BY**
>
> `GROUP BY` queries (for example, those using `.values()` and
> `.annotate()`) don't use the model's default ordering.
> Use `order_by()` explicitly when a given order is needed.

### 聚合注解

你也可以在注解结果上生成聚合。当你定义 `aggregate()` 子句时，你提供的聚合可以引用任何定义在查询中 `annotate()` 子句的别名。

例如，如果您想计算每本书的平均作者数量，您首先要用作者数量对书籍集进行注释，然后对该作者数量进行聚合，引用注释字段：

```pycon
>>> from django.db.models import Avg, Count
>>> Book.objects.annotate(num_authors=Count("authors")).aggregate(Avg("num_authors"))
{'num_authors__avg': 1.66}
```

### 在空查询集或组上进行聚合操作时，需要格外小心，因为这可能会导致未定义的行为或错误。在执行聚合操作之前，通常应确保查询集或组中包含足够的数据以执行所需的聚合计算。如果查询集或组为空，可以使用条件语句来避免聚合错误或不必要的操作。

当对空的查询集或分组应用聚合操作时，结果通常默认为其 [default](/zh-hans/6.1/ref/models/querysets/#aggregate-default) 参数，通常是 `None`。这种行为发生是因为当执行的查询不返回任何行时，聚合函数会返回 `NULL`。

您可以为大多数聚合操作提供 [default](/zh-hans/6.1/ref/models/querysets/#aggregate-default) 参数来指定返回值。但是，由于 [`Count`](/zh-hans/6.1/ref/models/querysets/#django.db.models.Count) 不支持 [default](/zh-hans/6.1/ref/models/querysets/#aggregate-default) 参数，它在空的查询集或分组上始终返回 `0`。

例如，假设没有一本书的名称中包含 *web*，那么计算这本书集合的总价格会返回 `None`，因为没有匹配的行来进行 [`Sum`](/zh-hans/6.1/ref/models/querysets/#django.db.models.Sum) 聚合计算：

```pycon
>>> from django.db.models import Sum
>>> Book.objects.filter(name__contains="web").aggregate(Sum("price"))
{"price__sum": None}
```

然而，可以在调用 [`Sum`](/zh-hans/6.1/ref/models/querysets/#django.db.models.Sum) 时设置 [default](/zh-hans/6.1/ref/models/querysets/#aggregate-default) 参数，以返回不同的默认值，如果找不到书籍：

```pycon
>>> Book.objects.filter(name__contains="web").aggregate(Sum("price", default=0))
{"price__sum": Decimal("0")}
```

在内部，通过使用 [`Coalesce`](/zh-hans/6.1/ref/models/database-functions/#django.db.models.functions.Coalesce) 包装聚合函数来实现 [default](/zh-hans/6.1/ref/models/querysets/#aggregate-default) 参数。这样可以在计算聚合时处理默认值。

### Aggregating with MySQL `ONLY_FULL_GROUP_BY` enabled

When using the `values()` clause to group query results for annotations in
MySQL with the `ONLY_FULL_GROUP_BY` SQL mode enabled, you may need to apply
[`AnyValue`](/zh-hans/6.1/ref/models/querysets/#django.db.models.AnyValue) if the annotation includes a mix of
aggregate and non-aggregate expressions.

Take the following example:

```pycon
>>> from django.db.models import F, Count, Greatest
>>> Book.objects.values(greatest_pages=Greatest("pages", 600)).annotate(
...     num_authors=Count("authors"),
...     pages_per_author=F("greatest_pages") / F("num_authors"),
... ).aggregate(Avg("pages_per_author"))
```

This creates groups of books based on the SQL column `GREATEST(pages, 600)`.
One unique group consists of books with 600 pages or less, and other unique
groups will consist of books with the same pages. The `pages_per_author`
annotation is composed of aggregate and non-aggregate expressions,
`num_authors` is an aggregate expression while `greatest_page` isn't.

Since the grouping is based on the `greatest_pages` expression, MySQL may be
unable to determine that `greatest_pages` (used in the `pages_per_author`
expression) is functionally dependent on the grouped column. As a result, it
may raise an error like:

```pytb
OperationalError: (1055, "Expression #2 of SELECT list is not in GROUP BY
clause and contains nonaggregated column 'book_book.pages' which is not
functionally dependent on columns in GROUP BY clause; this is incompatible
with sql_mode=only_full_group_by")
```

To avoid this, you can wrap the non-aggregate expression with
[`AnyValue`](/zh-hans/6.1/ref/models/querysets/#django.db.models.AnyValue).

```pycon
>>> from django.db.models import AnyValue, F, Count, Greatest
>>> Book.objects.values(
...     greatest_pages=Greatest("pages", 600),
... ).annotate(
...     num_authors=Count("authors"),
...     pages_per_author=AnyValue(F("greatest_pages")) / F("num_authors"),
... ).aggregate(Avg("pages_per_author"))
{'pages_per_author__avg': 532.57143333}
```

Other supported databases do not encounter the `OperationalError` in the
example above because they can detect the functional dependency. In general,
`AnyValue` is useful when dealing with select list columns that involve
non-aggregate functions or complex expressions not recognized by the database
as functionally dependent on the columns in the grouping clause.

> **Changed in Django 6.0**
>
> The [`AnyValue`](/zh-hans/6.1/ref/models/querysets/#django.db.models.AnyValue) aggregate was added.