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:
MongoDB的聚合操作以及与Python的交互

  • 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:
MongoDB的聚合操作以及与Python的交互

  • 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:
MongoDB的聚合操作以及与Python的交互

  • 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:
MongoDB的聚合操作以及与Python的交互

  • 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:
MongoDB的聚合操作以及与Python的交互

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。

MongoDB的聚合操作以及与Python的交互

  • 查询一条记录
print(collection.find_one({"name":"test2"}))

输出结果为:
MongoDB的聚合操作以及与Python的交互

  • 查询所有记录
result = collection.find({"name":"test2"})
    for i in result:
        print(i)

输出结果为:
MongoDB的聚合操作以及与Python的交互

  • 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:
MongoDB的聚合操作以及与Python的交互

  • 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:
MongoDB的聚合操作以及与Python的交互

  • 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:
MongoDB的聚合操作以及与Python的交互

  • 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:
MongoDB的聚合操作以及与Python的交互

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