网络编程
位置:首页>> 网络编程>> Python编程>> pymongo中group by的操作方法教程

pymongo中group by的操作方法教程

作者:lionets  发布时间:2021-03-23 05:44:40 

标签:pymongo,groupby,方法

前言

使用 pymongo 进行 group by 操作有两种基本方式,他们都是 mongodb 的原生命令,于 Collection 对象上调用。


def aggregate(self, pipeline, **kwargs):
def group(self, key, condition, initial, reduce, finalize=None, **kwargs):

示例数据

演示用的数据为一个订单表,含有以下字段:

Order

_id: ObjectID
userid: int
itemid: int
amount: int
time:   string

主要任务为:

  • 统计某个时间区间内每个 userid 的订单数

  • 统计某个时间区间内每组 (userid, itemid) 共售出多少 amount

即分别为:单键分组和多键分组

aggregate

聚合操作只接受一个列表类型的参数 —— pipeline。其每一个元素都是一步操作(stage)。全部可用的 stage 可参见:

https://docs.mongodb.com/manual/meta/aggregation-quick-reference/#stages

注意 pipline 里面的 stage 是有序且可重复的,mongodb 会顺序执行,因此一定要记得把像 $match 这样的 stage 放前面。

单键分组


start_time = '2010-10-10 00:00:00'
end_time = '2010-10-10 23:59:59'

match = {
'time': {
'$gte': start_time,
'$lte': end_time,
}
}

groupby = 'userid'

group = {
'_id': "$%s" % (groupby if groupby else None),
'count': {'$sum': 1}

}

ret = collection.aggregate(
[
{'$match': match},
{'$group': group},
]
)

>>> ret
[{'_id': 123, 'count': 500}, ...]

$group 指定了返回数据的格式,其中 _id 字段是分组的键。

多键分组


groupby = ['itemid', 'userid']

group = {
'_id': {key: ('$%s' % key) for key in groupby} or {'None': '$None'},
'count': {'$sum': '$amount'}
}

ret = collection.aggregate(
[
{'$match': match},
{'$group': group},
]
)

>>> ret
[{'_id': {'itemid': 111, 'user_id': 123}, 'count': 100}, ...]

这里与单键分组的区别仅在于 _id 的类型,改成了一个字典,从而允许多键组合。

为了提高通用性,建议始终使用字典的格式。

另外,既然字符串和字典都可以做键,那么列表行不行呢?答案是不行,列表里的元素,(如 '$userid') 并不会被自动识别为字段,而是仅作一般字符串处理。

最后关于 aggregate 中可用的运算操作符,可参见:

https://docs.mongodb.com/manual/reference/operator/aggregation/#accumulators

如其中的 $addToSet 也是颇有用处,可以用来实现 “统计每个人都买过哪些 itemid” 这样的功能:


group = {
'_id': {'userid': '$userid'},
'dist_itemids': {'$addToSet': '$itemid'},
}

group

相较于 aggregate 的全能,group 是专门处理分组操作的一个命令,因此这个方法的参数也更明确,主要参数为:

  • key list, 分组的键

  • condition dict,过滤条件

  • initial dict,初始值

  • reduce string/bson.Code, js 的 reduce 函数

例:


key = ['userid', 'itemid']
condition = {
'time': {
'$gte': start_time,
'$lte': end_time,
}
}
initial = {'count': 0}
reducer = Code("""
function(obj, prev) {
prev.count = prev.count + obj.amount
}
""")

ret = collection.group(key, condition, initial, reducer)

>>> ret
[{'userid': 110, 'itemid': 123, 'count': 500.0}, ...]

这里的分组数据聚合,是通过 reduce 函数实现的,这个函数与 python 的 reduce 不同,它不需要返回值,而是直接修改 prev 参数即可,这个参数会自动代入下一次调用。这可能是 js 的实现。

须注意的是 js 默认返回浮点数。

来源:https://my.oschina.net/lionets/blog/727188

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com