推荐使用 Django Admin List Filter Dropdown:优雅的下拉筛选利器
2024-05-22 13:44:36作者:庞眉杨Will
在构建基于Django的后台管理系统时,我们常常需要对数据进行高效筛选以优化用户体验。然而,当一个字段的过滤选项过多时,Django默认的侧边栏过滤器可能会显得杂乱无章,不易于操作。这就是为什么你需要尝试 django-admin-list-filter-dropdown 这个开源项目。
1、项目介绍
django-admin-list-filter-dropdown 是一款为Django管理后台量身定制的过滤器扩展,它将原本的多行列表筛选转换成简洁易用的下拉菜单形式。这个小小的改进使得即使面对大量筛选项,也能保持界面的整洁和易用性。
2、项目技术分析
该项目的核心是 DropdownFilter 类,它可以应用于普通字段;ChoiceDropdownFilter 用于处理带有选择选项的字段;而 RelatedDropdownFilter 则适用于关联字段。它们都在筛选侧边栏中以下拉菜单的形式展示,大大提升了用户界面的友好度。
安装非常简单,只需一行 pip 命令:
pip install django-admin-listfilter-dropdown
并在你的 settings.py 文件中添加到 INSTALLED_APPS 中即可。
3、项目及技术应用场景
- 在管理后台,当你有超过十个值需要通过字段进行过滤时,
django-admin-list-filter-dropdown可以帮助你改善用户体验,使筛选过程更加直观。 - 对于含有大量选项的下拉菜单,例如国家、城市等枚举字段,使用
ChoiceDropdownFilter可以减少滚动和寻找的麻烦。 - 当你需要处理一对多或多对多关系的筛选,
RelatedDropdownFilter能提供更清晰的导航路径,让用户轻松找到目标数据。
4、项目特点
- 简洁设计:将长列表转化为下拉菜单,降低页面混乱程度。
- 易于集成:只需要在你的
admin.py中简单配置,即可实现过滤器的替换。 - 高度自定义:支持自定义模板,满足特定需求的筛选样式。
- 兼容性好:与Django原生功能无缝对接,无需担心与其他组件冲突。
来看看使用后的效果吧:

这个项目源自StackOverflow上的问题解答以及FeinCMS代码库中的灵感,展现了社区智慧的力量。现在,你可以享受到这种便捷的筛选体验,为你的Django应用增添一份专业感。
立即尝试 django-admin-list-filter-dropdown,让你的后台管理系统焕发新生!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
308
2.71 K
仓颉编译器源码及 cjdb 调试工具。
C++
123
803
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
598
132
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
461
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.07 K
616
Ascend Extension for PyTorch
Python
141
170
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
780
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232