MongoDB的聚合操作以及与Python的交互
上一篇主要介绍了MongoDB的基本操作,包括创建、插入、保存、更新和查询等,链接为MongoDB基本操作。
在本文中主要介绍MongoDB的聚合以及与Python的交互。
MongoDB聚合
什么是聚合
MongoDB中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等),并返回计算后的数据结果。
聚合是基于数据处理的聚合管道,每个文档通过由多个阶段组成的管道,可以对每个阶段的管道进行分组、过滤等功能,然后经过一系列处理,输出结果。
语法:db.集合名称.aggregate({管道: {表达式}})
管道一般用于将当前命令的输出结果作为下一个命令的参数。
MongoDB的聚合管道将MongoDB文档在一个管道处理完毕后将结果传递给下一个管道处理。管道操作是可以重复的。
常用管道
下面介绍常用的管道:
$group
:将集合中的文档分组,可用于统计结果$match
:过滤数据,只输出符合条件的文档$project
:修改输入文档的结构,如重命名、增加、删除字段,也可用于创建计算结果以及嵌套文档$sort
:将输入文档排序后输出$limit
:限制聚合管道返回的文档数$skip
:跳过指定数量的文档,并返回余下的数据$unwind
:将数组类型的字段进行拆分
常用聚合表达式
下面介绍常用的聚合表达式:
$sum
:计算总和,$sum:1
表示以1计数$avg
:计算平均值$min
:获取最小值$max
:获取最大值$push
:在结果文档中插入值到一个数组中$first
:根据资源文档的排序,获取第一个文档数据$last
:根据资源文档的排序,获取最后一个文档数据
MongoDB聚合实例
现在假设集合studen
中有以下数据:
{ "_id" : 1, "name" : "小然", "gender" : 1, "age" : 22, "score" : 95 } { "_id" : 2, "name" : "小红", "gender" : 0, "age" : 18, "score" : 80 } { "_id" : 3, "name" : "小亮", "gender" : 1, "age" : 19, "score" : 60 } { "_id" : 4, "name" : "小强", "gender" : 1, "age" : 23, "score" : 70 } { "_id" : 5, "name" : "小柔", "gender" : 0, "age" : 20, "score" : 85 } { "_id" : 6, "name" : "小雷", "gender" : 1, "age" : 25, "score" : 65 } { "_id" : 7, "name" : "小冉", "gender" : 0, "age" : 19, "score" : 70 } { "_id" : 8, "name" : "小晴", "gender" : 0, "age" : 18, "score" : 90 } { "_id" : 9, "name" : "小齐", "gender" : 1, "age" : 24, "score" : 50 }
- 以性别进行分组
db.students.aggregate({$group:{_id:"$gender"}})
输出结果为:
- 统计整个文档,获得数据个数和平均分数
db.students.aggregate({$group:{ _id:null, count:{$sum:1}, avg_score:{$avg:"$score"} }})
输出结果为:
- 以性别进行分组,获取不同分组中数据的个数和平均分数
db.students.aggregate({$group:{ _id:"$gender", count:{$sum:1}, avg_score:{$avg:"$score"} }})
输出结果为:
- 使用
$project
修改输出结果
db.students.aggregate( {$group:{ _id:"$gender", count:{$sum:1}, avg_score:{$avg:"$score"}} }, {$project:{ gender:"$_id", count:1, _id:0, avg_score:"$avg_score"} } )
输出结果为:
- 使用
$match
选择分数大于等于70的学生,统计男生、女生的人数
db.students.aggregate( {$match:{score:{$gte:70}}}, {$group:{_id:"$gender",count:{$sum:1}}}, {$project:{gender:"$_id",count:1,_id:0}} )
输出结果为:
MondoDB与Python的交互
pymongo的安装
使用Python操作MongoDB需要安装pymongo
,安装方法很简单,使用pip install pymongo
即可。
实例化并建立连接
首先从pymongo
中导入MongoClient
,然后实例化client
,建立连接,代码如下:
from pymongo import MongoClient client = MongoClient(host = "127.0.0.1",port = 27017) #操作本机MongoDB可以写成client = MongoClient() collection = client["test"]["test"]
常用操作实例
- 插入一条数据
collection.insert_one({"_id":0,"name":"test0"})
- 插入多条数据
data_list = [{"_id":i,"name":"test{}".format(i)} for i in range(10)] collection.insert_many(data_list) data_list = [{"name":"test{}".format(i)} for i in range(10)] collection.insert_many(data_list)
插入后结果如下图所示,下面的操作都在此数据库上进行操作。
- 查询一条记录
print(collection.find_one({"name":"test2"}))
输出结果为:
- 查询所有记录
result = collection.find({"name":"test2"}) for i in result: print(i)
输出结果为:
- 更新一条数据
collection.update_one({"name":"test1"},{"$set":{"name":"test10"}})
执行完操作后,数据库如下图所示:
- 更新全部数据
collection.update_many({"name":"test2"},{"$set":{"name":"test20"}})
执行完操作后,数据库如下图所示:
- 删除一条数据
collection.delete_one({"name":"test3"})
执行完操作后,数据库如下图所示:
- 删除所有满足条件的数据
collection.delete_many({"name":"test4"})
执行完操作后,数据库如下图所示:
结语
- 本篇主要介绍了MongoDB的聚合操作以及与Python的交互,但对于我目前的学习阶段来说,只用到了Python中的插入数据语句,其他的操作基本没有用到。
- 感谢大家的阅读,有错误希望大家能够指出,我会积极改正。
相关推荐
lbyd0 2020-11-17
BigYellow 2020-11-16
sushuanglei 2020-11-12
我心似明月 2020-11-09
zhushenghan 2020-11-09
sunnnyduan 2020-10-16
不要皱眉 2020-10-14
xiaohai 2020-09-29
songxiugongwang 2020-09-22
萌亖 2020-09-17
LuckyLXG 2020-09-08
sdmzhu 2020-09-01
mkhhxxttxs 2020-09-16
xiaohai 2020-09-16
newcome 2020-09-09
jaylong 2020-08-19
大秦铁骑 2020-08-19
thatway 2020-08-19