1、准備數據
from pymongo import MongoClient import datetime client=MongoClient('mongodb://localhost:27017') table=client['db1']['emp'] l=[ ('張飛','male',18,'20170301','teacher',7300.33,401,1), #以下是教學部 ('張雲','male',78,'20150302','teacher',1000000.31,401,1), ('劉備','male',81,'20130305','teacher',8300,401,1), ('關羽','male',73,'20140701','teacher',3500,401,1), ('曹操','male',28,'20121101','teacher',2100,401,1), ('諸葛亮','female',18,'20110211','teacher',9000,401,1), ('周瑜','male',18,'19000301','teacher',30000,401,1), ('司馬懿','male',48,'20101111','teacher',10000,401,1), ('袁紹','female',48,'20150311','sale',3000.13,402,2),#以下是銷售部門 ('張全蛋','female',38,'20101101','sale',2000.35,402,2), ('鵪鶉蛋','female',18,'20110312','sale',1000.37,402,2), ('王尼瑪','female',18,'20160513','sale',3000.29,402,2), ('我尼瑪','female',28,'20170127','sale',4000.33,402,2), ('楊過','male',28,'20160311','operation',10000.13,403,3), #以下是運營部門 ('小龍女','male',18,'19970312','operation',20000,403,3), ('郭靖','female',18,'20130311','operation',19000,403,3), ('黃蓉','male',18,'20150411','operation',18000,403,3), ('梅超風','female',18,'20140512','operation',17000,403,3) ] for n,item in enumerate(l): d={ "_id":n, 'name':item[0], 'sex':item[1], 'age':item[2], 'hire_date':datetime.datetime.strptime(item[3],'%Y%m%d'), 'post':item[4], 'salary':item[5] } table.save(d) # 准備數據
分組的概念與mysql相同,以某個字段作為依據進行歸類,其目的是為了統計
2、$match
#match 用於對數據進行篩選 {"$match":{"字段":"條件"}},可以使用任何常用查詢操作符$gt,$lt,$in等 #例1、select * from db1.emp where post='teacher'; # mysql的查詢語句 db.emp.aggregate({"$match":{"post":"teacher"}}) #mongo的查詢語句 #例2、select * from db1.emp where id > 3; db.emp.aggregate( {"$match":{"_id":{"$gt":3}}}, )
3、$project
#1、 project翻譯為投射 ,即將一個數據結果映射為另一個結果 過程中可以對某些數據進行修改 控制其最終顯示的結果， 1表示顯示，0不顯示；_id默認是1，其余默認是0。 {"$project":{"要保留的字段名":1,"要去掉的字段名":0,"新增的字段名":"表達式"}} #1、select name,post,(age+1) as new_age from db1.emp; db.emp.aggregate( {"$project":{ "name":1, "post":1 }}) #2、表達式之數學表達式 {"$add":[expr1,expr2,...,exprN]} #相加 {"$subtract":[expr1,expr2]} #第一個減第二個 {"$multiply":[expr1,expr2,...,exprN]} #相乘 {"$divide":[expr1,expr2]} #第一個表達式除以第二個表達式的商作為結果 {"$mod":[expr1,expr2]} #第一個表達式除以第二個表達式得到的余數作為結果 #例:所有人年齡加1顯示 db.emp.aggregate( {"$project":{ "name":1, "post":1, "new_age":{"$add":["$age",1]} }}) # 錯誤示范: 原因:參加運算的字段不能被隱藏 db.emp.aggregate( {"$project":{ "name":1, "salary":1, "age":0, "new_age":{"$add":["$age",1]} }}) #3、表達式之日期表達式:$year,$month,$week,$dayOfMonth,$dayOfWeek,$dayOfYear,$hour,$minute,$second #例如：select name,date_format("%Y") as hire_year from db1.emp db.emp.aggregate( {"$project":{"name":1,"hire_year":{"$year":"$hire_date"}}} ) #例如查看每個員工的工作多長時間 db.emp.aggregate( {"$project":{"name":1,"hire_period":{ "$subtract":[ {"$year":new Date()}, {"$year":"$hire_date"} ] }}} ) #4、字符串表達式 {"$substr":[字符串/$值為字符串的字段名,起始位置,截取幾個字節]} {"$concat":[expr1,expr2,...,exprN]} #指定的表達式或字符串連接在一起返回,只支持字符串拼接 {"$toLower":expr} {"$toUpper":expr} db.emp.aggregate( {"$project":{"NAME":{"$toUpper":"$name"}}}) #5、邏輯表達式 $and $or $not 其他見Mongodb權威指南
4、$group
# $group用於分組 # 分組后具體信息被影藏 db.emp.aggregate( {"$match":{"_id":{"$gt":3}}}, {"$group":{"_id":"$post"}} ) # 通常我們要對分組后的內容進行統計這就需要對應的幾個聚合函數 # select id,avg(salary) from db1.emp where id > 3 group by post; db.emp.aggregate( {"$match":{"_id":{"$gt":3}}}, {"$group":{"_id":"$post",'avg_salary':{"$avg":"$salary"}}}, ) # math用於匹配 與mysql不同的是沒有順序限制 每一個操作像是一個管道接收上一個的數據進行處理再傳給下一個 # select id,avg(salary) from db1.emp where id > 3 group by post having avg(salary) > 10000; db.emp.aggregate( {"$match":{"_id":{"$gt":3}}}, {"$group":{"_id":"$post",'avg_salary':{"$avg":"$salary"}}}, {"$match":{"avg_salary":{"$gt":10000}}} ) # 對應的聚合函數 $sum、$avg、$max、$min、$first、$last #1、將分組字段傳給$group函數的_id字段即可 {"$group":{"_id":"$sex"}} #按照性別分組 {"$group":{"_id":"$post"}} #按照職位分組 {"$group":{"_id":{"state":"$state","city":"$city"}}} #按照多個字段分組，比如按照州市分組 #2、分組后聚合得結果,類似於sql中聚合函數的聚合操作符：$sum、$avg、$max、$min、$first、$last #例1：select post,max(salary) from db1.emp group by post; db.emp.aggregate({"$group":{"_id":"$post","max_salary":{"$max":"$salary"}}}) #例2：去每個部門最大薪資與最低薪資 db.emp.aggregate({"$group":{"_id":"$post","max_salary":{"$max":"$salary"},"min_salary":{"$min":"$salary"}}}) #例3：如果字段是排序后的，那么$first,$last會很有用,比用$max和$min效率高 db.emp.aggregate({"$group":{"_id":"$post","first_id":{"$first":"$_id"}}}) #例4：求每個部門的總工資 db.emp.aggregate({"$group":{"_id":"$post","count":{"$sum":"$salary"}}}) #例5：求每個部門的人數 db.emp.aggregate({"$group":{"_id":"$post","count":{"$sum":1}}}) #3、數組操作符 {"$addToSet":expr}：不重復 {"$push":expr}：重復 # 等同於group_concat #例：查詢崗位名以及各崗位內的員工姓名:select post,group_concat(name) from db1.emp group by post; db.emp.aggregate({"$group":{"_id":"$post","names":{"$push":"$name"}}}) db.emp.aggregate({"$group":{"_id":"$post","names":{"$addToSet":"$name"}}})
5、$sort ,limit,skip
{"$sort":{"字段名":1,"字段名":-1}} #1升序，-1降序
{"$limit":n}
{"$skip":n} #跳過多少個文檔
#例1、取平均工資最高的前兩個部門
db.emp.aggregate(
{
"$group":{"_id":"$post","平均工資":{"$avg":"$salary"}}
},
{
"$sort":{"平均工資":-1}
},
{
"$limit":2
}
)
#例2、
db.emp.aggregate(
{
"$group":{"_id":"$post","平均工資":{"$avg":"$salary"}}
},
{
"$sort":{"平均工資":-1}
},
{
"$limit":2
},
{
"$skip":1
}
)
排序：$sort、限制：$limit、跳過：$skip
6、$sample
# 隨機取出n條記錄 #集合users包含的文檔如下 { "_id" : 1, "name" : "dave123", "q1" : true, "q2" : true } { "_id" : 2, "name" : "dave2", "q1" : false, "q2" : false } { "_id" : 3, "name" : "ahn", "q1" : true, "q2" : true } { "_id" : 4, "name" : "li", "q1" : true, "q2" : false } { "_id" : 5, "name" : "annT", "q1" : false, "q2" : true } { "_id" : 6, "name" : "li", "q1" : true, "q2" : true } { "_id" : 7, "name" : "ty", "q1" : false, "q2" : true } #下述操作時從users集合中隨機選取3個文檔 db.users.aggregate({"$sample":{"size":3}}) 隨機選取n個：$sample