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。