python+MongoDB使用示例

　　本博客起源于博主的大三NoSQL课程设计，采用python+MongoDB结合方式，将数据从txt文件导入MongoDB之中，再将其取出以作图。主要技术是采用python与MongoDB结合存储读取方案，所以本博客截取了课设的部分内容，主要讲解python操作MongoDB方案实现，以给想要学习python+MongoDB编程开发的同学学习练手。

设计思路

1、Python编程语言和MongoDB有驱动包pymongo连接，使用pymongo对MongoDB进行编程开发、数据读取，以及后续的画图分析和数据可视化处理

2、使用的数据文件sample.txt.txt。

设计内容

1、先使用dataToMongo.py将文件清洗后导入MongoDB中。

　　(1) 创建并连接到MongoDB 中的nosql数据库;

　　 (2) 创建并连接到nosql数据库的集合sample;

2、对读出的数据进行可视化处理。

　　(1) 画图主要使用的Python包为matplotlib.plot。

设计步骤及结果测试

1、先使用dataToMongo.py将文件清洗后导入MongoDB中。

　　(1) 采用pymongo连接驱动

　　(2) 采用pymongo的MongoClient类连接mongod

　　(3) python中使用的mongo常用语法与mongo的JSON语法基本相同。

MongoDB启动：

启动Python脚本dataToMongo.py将数据从文件中读出并存入MongoDB中：

　　注意要使用以下命令 （由于前期使用python+Hadoop的方式编写，所以使用了unix输入输出流来读数据）：

　　# cat sample.txt.txt | ./dataToMongo.py

数据成功存入MongoDB：

dataToMongo.py

#!/usr/bin/python3
# -*- coding:utf-8 -*-
# 这个文件是用来将数据存入MongoDB中数据库nosql的
# collection为 sample (db.sample.find())
# 格式为："line1": [data1,data2...]

from pymongo import MongoClient
import sys

# Connect to mongod, use DB: 'nosql', use COLLECTION: 'sample'
conn = MongoClient('127.0.0.1', 27017)  #连接mongod
db = conn.nosql                         #连接'nosql'数据库，没有则自动创建
sample = db.sample                      #使用sample集合，没有则自动创建

n = 1
data = list()
for line in sys.stdin:
    data = line.strip().split()
    linenum="line"+str(n)               # linenum是line字符串+数字组成的字符串，后面插入数据集时会用到
    if n==1:
        pass                            # 第一行数据是没用的，清洗掉
    elif n==2:
        data = data[4:]                 # 实测观察数据从第四个数据开始
        data[0] = '-3.1415926536'       # 原数据是‘Real=-3.1415926536’，所以将数据修改下
        for index,item in enumerate(data):
            data[index] = float(item)   # 将原来是字符串的数据转为float类型
        sample.insert({                 # 将数据插入(insert)MongoDB中的sample集合
            "line":linenum,             # 这里我为了后续作图方便，插入了一个{line：linenum}的键值对
            "value":data                # {value: data}键值对， data是一个list变量哦
        })
    else:
        data = data[2:]                 # 和第二行的数据不一样，实测观察出的，有时候编程是要一步步观察修改的
        for index,item in enumerate(data):  # 考验自己的动手能力，怎么观察实现要自己想办法了
            data[index] = float(item)
        sample.insert({
            "line":linenum,
            "value":data
        })
    n+=1

2、对读出的数据进行可视化处理。

画图脚本：main.py

(1) 第一个图：

蓝色的线是在1.0*10^9频率下，phi=0

橙色的线是在1.0*10^9频率下，phi=1.5707963268。

横坐标是Theta(degree)，范围从-Pi ~Pi；纵坐标是电场值。

相同频率下，theta角度越大，电场值越小。

main.py

#!/usr/bin/python3
# -*- coding:utf-8 -*-
# file : main.py
# 这个文件是用来读取MongoDB中nosql数据库.sample集合数据
# 读出之后作图

from pymongo import MongoClient
import matplotlib.pyplot as plt

# Connect to mongod, use DB: 'nosql', use COLLECTION: 'sample'
conn = MongoClient('127.0.0.1', 27017)                             #连接mongod
db = conn.nosql                                                    #连接'nosql'数据库，没有则自动创建
sample = db.sample                                                 #使用sample集合，没有则自动创建

angle_theta_radian=sample.find_one({"line":"line2"})['value']      #使用find_one查找第2行的数据，取其名为‘value’的键值对的值
data_phi0=sample.find_one({"line":"line3"})['value']               #使用find_one查找第3行的数据，取其名为‘value’的键值对的值
data_phi90=sample.find_one({"line":"line48"})['value']             #使用find_one查找第48行的数据，取其名为‘value’的键值对的值

plt1, = plt.plot(angle_theta_radian,data_phi0)                     #作图1
plt2, = plt.plot(angle_theta_radian,data_phi90)                    #作图2
plt.legend([plt1,plt2],['Electrial Field1','Electrial Field2'],loc='upper right')  #设置图例
plt.xlabel('Theta (degree)')                                       #设置x轴标签
plt.ylabel('Electrical field (V/m)')                               #设置y轴标签
plt.show()                                                         #以上一起显示出来

(2) 第二个图：

蓝色的线是，在1.0*10^9频率下，phi=0；

橙色的线是，在1.02*10^9频率下，phi=0；（第93行： line93）

横坐标是Theta(degree)，范围从-Pi ~Pi；纵坐标是电场值。

相同theat角度下，频率越高，电场值绝对值越大。

实现：将main.py脚本文件中的

data_phi90=sample.find_one({"line":"line48"})['value']

修改为：

data_phi90=sample.find_one({"line":"line93"})['value']

即可得出。

数据文件说明：

1、数据文件概述：是测试的电场强度数据文件。

包括多个频率测试的电场强度，每个频率的数据是一个数据块。

在一个频率点测试的数据（每一块数据里面），又包括多行数据（每行是一个theta角度的数据）和多列数据（每一列为一个phi角度的数据）。

2、数据文件含义：

3、实验测试与数据的关系如下

对于文件sample.txt.txt，只有两个频率（10⁹频率和1.2*10⁹频率）。

感谢李老师的数据文件说明，如果有任何侵权问题，博主可以立即删除。

博客好像发不了文件，如果需要数据文件的话请留言邮箱，看到了发给你。