準備數據
from pymongo import MongoClient
import datetimeclient=MongoClient('mongodb://localhost:27017')
table=client['db1']['emp']l=[
('張飛','male',18,'20170301','',7300.33,401,1), #以下是教學部
('張云','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)# 準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
$match
#match 用于對數據進行篩選
{"$match":{"字段":"條件"}},可以使用任何常用查詢操作符$gt,$lt,$in等#例1、select * from db1.emp where post='teacher';
db.emp.aggregate({"$match":{"post":"teacher"}})#例2、select * from db1.emp where id > 3;
db.emp.aggregate({"$match":{"_id":{"$gt":3}}},
)$project
# project翻譯為投射 ,即將一個數據結果映射為另一個結果 過程中可以對某些數據進行修改 控制其最終顯示的結果
{"$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":["$age",1]}}})
# 錯誤示范: 原因:參加運算的字段不能被影藏
db.emp.aggregate({"$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
$not
其他見Mongodb權威指南$group
# $group用于分組
# 分組后具體信息被影藏
db.emp.aggregate({"$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":"$salary"}}},
)
# math用于匹配 與mysql不同的是沒有順序限制 每一個操作像是一個管道接收上一個的數據進行處理再傳給下一個# select id,avg(salary) from db1.emp where id > 3 group by post having avg(salary) > 10000;
db.emp.aggregate({"$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,類似于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
{"$push":expr}：重復
# 等同于group_concat
#例：查詢崗位名以及各崗位內的員工姓名:select post,group_concat(name) from db1.emp group by post;
db.emp.aggregate({"$group":{"_id":"$post","names":{"$push":"$name"}}})
db.emp.aggregate({"$group":{"_id":"$post","names":{"$addToSet":"$name"}}})$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：$skip$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可視化工具
https://robomongo.org
。...)
