内容简介: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。
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 $match $project $sort $limit $skip $unwind
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。
以上所述就是小编给大家介绍的《MongoDB的聚合操作以及与Python的交互》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 监控聚合器系列之: open-falcon新聚合器polymetric
- elasticsearch学习笔记(七)——快速入门案例实战之电商网站商品管理:嵌套聚合,下钻分析,聚合分析
- mongodb高级聚合查询
- MongoDB聚合(aggregate)
- mongodb 聚合管道
- MongoDB指南---16、聚合
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
光线跟踪算法技术
萨芬 / 刘天慧 / 清华大学出版社 / 2011-3 / 98.00元
《光线跟踪算法技术》详细阐述了与光线跟踪问题相关的高效解决方案及相应的数据结构和算法,主要包括采样技术、投影视图、视见系统、景深、非线性投影、立体视觉、光照与材质、镜面反射、光泽反射、全局光照、透明度、阴影、环境遮挡、区域光照、光线与对象间的相交计算、对象变换、栅格技术以及纹理映射技术等内容。此外,《光线跟踪算法技术》还提供了相应的算法、代码以及伪代码,以帮助读者进一步理解计算方案的实现过程。 ......一起来看看 《光线跟踪算法技术》 这本书的介绍吧!