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。