上一篇主要介紹了MongoDB的基本操作，包括創建、插入、保存、更新和查詢等，鏈接為 "MongoDB基本操作" 。 在本文中主要介紹MongoDB的聚合以及與Python的交互。 MongoDB聚合 什麼是聚合 MongoDB中聚合(aggregate)主要用於處理數據(諸如統計平均值,求和等)， ...
上一篇主要介紹了MongoDB的基本操作，包括創建、插入、保存、更新和查詢等，鏈接為MongoDB基本操作。
在本文中主要介紹MongoDB的聚合以及與Python的交互。
MongoDB聚合
什麼是聚合
MongoDB中聚合(aggregate)主要用於處理數據(諸如統計平均值,求和等)，並返回計算後的數據結果。
聚合是基於數據處理的聚合管道，每個文檔通過由多個階段組成的管道，可以對每個階段的管道進行分組、過濾等功能，然後經過一系列處理，輸出結果。
語法：db.集合名稱.aggregate({管道: {表達式}})
管道一般用於將當前命令的輸出結果作為下一個命令的參數。
MongoDB的聚合管道將MongoDB文檔在一個管道處理完畢後將結果傳遞給下一個管道處理。管道操作是可以重覆的。
常用管道
下麵介紹常用的管道：
$group：將集合中的文檔分組，可用於統計結果$match：過濾數據，只輸出符合條件的文檔$project：修改輸入文檔的結構，如重命名、增加、刪除欄位，也可用於創建計算結果以及嵌套文檔$sort：將輸入文檔排序後輸出$limit：限制聚合管道返回的文檔數$skip：跳過指定數量的文檔，並返回餘下的數據$unwind：將數組類型的欄位進行拆分
常用聚合表達式
下麵介紹常用的聚合表達式：
$sum：計算總和，$sum:1表示以1計數$avg：計算平均值$min：獲取最小值$max：獲取最大值$push：在結果文檔中插入值到一個數組中$first：根據資源文檔的排序，獲取第一個文檔數據$last：根據資源文檔的排序，獲取最後一個文檔數據
MongoDB聚合實例
現在假設集合studen中有以下數據：
{ "_id" : 1, "name" : "小然", "gender" : 1, "age" : 22, "score" : 95 }
{ "_id" : 2, "name" : "小紅", "gender" : 0, "age" : 18, "score" : 80 }
{ "_id" : 3, "name" : "小亮", "gender" : 1, "age" : 19, "score" : 60 }
{ "_id" : 4, "name" : "小強", "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" : "小齊", "gender" : 1, "age" : 24, "score" : 50 }- 以性別進行分組
db.students.aggregate({$group:{_id:"$gender"}})輸出結果為：
- 統計整個文檔，獲得數據個數和平均分數
db.students.aggregate({$group:{
_id:null,
count:{$sum:1},
avg_score:{$avg:"$score"}
}})輸出結果為：
- 以性別進行分組，獲取不同分組中數據的個數和平均分數
db.students.aggregate({$group:{
_id:"$gender",
count:{$sum:1},
avg_score:{$avg:"$score"}
}})輸出結果為：
- 使用
$project修改輸出結果
db.students.aggregate(
{$group:{
_id:"$gender",
count:{$sum:1},
avg_score:{$avg:"$score"}}
},
{$project:{
gender:"$_id",
count:1,
_id:0,
avg_score:"$avg_score"}
}
)輸出結果為：
- 使用
$match選擇分數大於等於70的學生，統計男生、女生的人數
db.students.aggregate(
{$match:{score:{$gte:70}}},
{$group:{_id:"$gender",count:{$sum:1}}},
{$project:{gender:"$_id",count:1,_id:0}}
)輸出結果為：
MondoDB與Python的交互
pymongo的安裝
使用Python操作MongoDB需要安裝pymongo，安裝方法很簡單，使用pip install pymongo即可。
實例化並建立連接
首先從pymongo中導入MongoClient，然後實例化client，建立連接，代碼如下：
from pymongo import MongoClient
client = MongoClient(host = "127.0.0.1",port = 27017)
#操作本機MongoDB可以寫成client = MongoClient()
collection = client["test"]["test"]常用操作實例
- 插入一條數據
collection.insert_one({"_id":0,"name":"test0"})- 插入多條數據
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)插入後結果如下圖所示，下麵的操作都在此資料庫上進行操作。
- 查詢一條記錄
print(collection.find_one({"name":"test2"}))輸出結果為：
- 查詢所有記錄
result = collection.find({"name":"test2"})
for i in result:
print(i)輸出結果為：
- 更新一條數據
collection.update_one({"name":"test1"},{"$set":{"name":"test10"}})執行完操作後，資料庫如下圖所示：
- 更新全部數據
collection.update_many({"name":"test2"},{"$set":{"name":"test20"}})執行完操作後，資料庫如下圖所示：
- 刪除一條數據
collection.delete_one({"name":"test3"})執行完操作後，資料庫如下圖所示：
- 刪除所有滿足條件的數據
collection.delete_many({"name":"test4"})執行完操作後，資料庫如下圖所示：
結語
- 本篇主要介紹了MongoDB的聚合操作以及與Python的交互，但對於我目前的學習階段來說，只用到了Python中的插入數據語句，其他的操作基本沒有用到。
- 感謝大家的閱讀，有錯誤希望大家能夠指出，我會積極改正。
