MongoDB之 分组查询

分组查询

可视化工具

https://robomongo.org

pymongo

from pymongo import MongoClient
# 方式一：
c = MongoClient(host="127.0.0.1",port=27017)
db=c["admin"]
db.authenticate("root":"123")
db = c['day5']
print(db.collection_name(include_system_collections=False))
# 方式二：
c = MongoClient("mongodb://root:123@127.0.0.1:27017")
db=c['day5']
print(db.collection_name(include_system_collections=False))
user_table=db['user']
print(list(user_table.find()))

分组查询

# 聚合函数： $sum,$max,$min,$first,$last
# 每个部门最高工资
select post,max(salary) from emp group by post

db.emp.aggregate({
    "$group":{
        "_id":"$post",
        "max_salary":{"$max":"$salary"},
        "avg_salary":{"$avg":"$salary"},
        "第一个"：{"$first":"$name"}
    }
})

# 每个部门的员工姓名-- 拼到列表（相当于group_concat)
db.emp.aggregate({
    "$goup":{
        "_id":"$post",
        "人员名单"：{"$push":"$name"}
        #"人员名单"：{"$addToset":"$name"} -- 去除重复
    }
})

$match : 对数据进行过滤

# mysql where and having(只能是分组后使用)，goup by 后面不能出现where
# {"$match":{"字段":"条件"}}, 可以使用任何常用查询操作符 $gt, $lt,$in
db.emp.aggregrate({
    "$match":{"name":"egon"}
})
db.emp.aggregrate({
    "$match":{"_id":{"$gt":3}}
})
# 查询部门最高工作 》10000 的部门信息
db.emp.aggregrate(
    { "$group":{
        "_id":"$post",
        "max_salary":{"$max":"$salary"}
    }},
	{"$match":{"max_salary":{"$gt":10000}}},
    {"$match":{"_id":{"$ne":"teacher"}}}   
)

投射 project

# 不修改原始数据，只是显示
# 1. {"$project":{"要保留的字段名":1,"要去掉的字段名":0,"新增的字段名":"表达式"}}

db.emp.aggregate(
{"$project":{"name":1,"_id":0}}  -- 展示name, 不展示id
)
# 计算一年的工资
db.emp.aggregate(
{"$project":{
    "name":1,
    "_id":0,
	"year_salary":{"$multiply":[12,"$salary"]}
}}  -- 展示name, 不展示id
)
# 加法： 年龄+10 (可多个值)
db.emp.aggregate(
{"$project":{
    "name":1,
    "_id":0,
	"10_later":{"$add":[10,"$age"]}
}} 
)
##2. 数学表达式
{"add":[expr1,expr2,....]}  # 相加
{"$subtract":[expr1,expr2]  # 相减
{"$multiply":[expr1,expr2,...,exprN]} #相乘
{"$divide":[expr1,expr2]} #第一个表达式除以第二个表达式的商作为结果
{"$mod":[expr1,expr2]} #第一个表达式除以第二个表达式得到的余数作为结果

#注意！！ 隐藏字段不能参加运算

 # 3. 表达式之日期表达
 # $add   $subtract  $multiply   $divide
 $year $month, $week,$dayofMonth,$dayofWeek,$dayofYear,$hour,$minute,$second
 db.emp.aggregate(
{"$project":{
    "name":1,
    "_id":0,
	"year":{"$year":"$hire_date"}
    "job_year":{"$subtract":[{"$year":new Date()},{"$year":"$hire_date"}]}
}} 
)
 
#4. 字符串表达式
{"$substr":[字符串/$值为字符串的字段名，起始位置，截取几个'字节']}
{"$concat":[expr1,expr2...]} #指定的表达式或字符串连接在一起返回,只支持字符串拼接
{"$toLower":expr}
{"$toUpper":expr}
db.emp.aggregate({"$project":{"NAME":{"$toUpper":"$name"}}})
 
# 5. 逻辑表达式
$and
$or
$not
其他见Mongodb权威指南

$ group

$group 用于分组
# 分组后具体信息被隐藏
db.emp.aggregate(
    {"$match":{"_id":{"$gt":3}}},
    {"$group":{"_id":"$post"}}
)  # 结果：{"_id":"operation"} {"_id":"sale"} {"_id":"teacher"}  三个部门

#　要对分组后的内容进行统计就需要对应的几个聚合函数
# 对应的聚合函数 $sum、$avg、$max、$min、$first、$last
# 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"}}},
)
# match用于匹配 与mysql不同的是没有顺序限制，每一个操作接收上一个数据进行处理再传给下一个
# 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","ave_salary":{"$avg":"$salary"}}},
    {"$match":{"avg_salary":{"$gt":10000}}}
)

#1、将分组字段传给$group函数的_id字段即可
{"$group":{"_id":"$sex"}} #按照性别分组
{"$group":{"_id":{"state":"$state","city":"$city"}}} #按照多个字段分组，比如按照州市分组

#2、分组后聚合得结果,类似于sql中聚合函数的聚合操作符：$sum、$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：去每个部门最大薪资与最低薪资
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会很有用,比用$max和$min效率高
db.emp.aggregate({"$group":{"_id":"$post","first_id":{"$first":"$_id"}}})

#例4：求每个部门的总工资
db.emp.aggregate({"$group":{"_id":"$post","count":{"$sum":"$salary"}}})

#例5：求每个部门的人数
db.emp.aggregate({"$group":{"_id":"$post","count":{"$sum":1}}})

# 3. 数组操作符， 等同于group_concat
"数组":{"$addToSet":expr}: 不重复
"数组":{"$push":expr}:  重复      
 #例：查询岗位名以及各岗位内的员工姓名:select post,group_concat(name) from db1.emp group by post;
db.emp.aggregrate({"$group":{"_id":"$post","names":{"$push":"$name"}}})
db.emp.aggregrate({"$group":{"_id":"$post","names":{"$addToSet":"$name"}}})        

$sort, limit, skip

{"$sort":{"字段1"：1，"字段2"：-1}}  1升序　　－１降序
{"$limit":1}
{"$skip":2} #跳过多少个文档
#例1、取平均工资最高的前两个部门
# 分类，平均工资，前两个
db.emp.aggregrate(
    {"$group":{"ave_salary":{"$avg":"$salary"}}},
    {"$sort":{"ave_salary":1}},
    {"$limit":2}
    {"skip":1}
)
排序：$sort、限制：$limit、跳过：$skip

$sample

# 随机取出n条记录
#集合users包含的文档如下
{ "_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  }

db.users.aggregrate({"$sample":{"size":3}})