pymongo中group by的操作方法教程

前言

使用 pymongo 進行 group by 操作有兩種基本方式，他們都是 mongodb 的原生命令，于 Collection 對象上調用。

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

示例數據

演示用的數據為一個訂單表，含有以下字段：

Order

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

主要任務為：

• 統計某個時間區間內每個 userid 的訂單數
• 統計某個時間區間內每組 (userid, itemid) 共售出多少 amount

即分別為：單鍵分組和多鍵分組

aggregate

聚合操作只接受一個列表類型的參數 —— pipeline。其每一個元素都是一步操作(stage)。全部可用的 stage 可參見：

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

注意 pipline 里面的 stage 是有序且可重復的，mongodb 會順序執行，因此一定要記得把像 $match 這樣的 stage 放前面。

單鍵分組

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 指定了返回數據的格式，其中 _id 字段是分組的鍵。

多鍵分組

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}, ...]

這里與單鍵分組的區別僅在于 _id 的類型，改成了一個字典，從而允許多鍵組合。

為了提高通用性，建議始終使用字典的格式。

另外，既然字符串和字典都可以做鍵，那么列表行不行呢？答案是不行，列表里的元素，(如 '$userid') 并不會被自動識別為字段，而是僅作一般字符串處理。

最后關于 aggregate 中可用的運算操作符，可參見：

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

如其中的 $addToSet 也是頗有用處，可以用來實現 “統計每個人都買過哪些 itemid” 這樣的功能:

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

group

相較于 aggregate 的全能，group 是專門處理分組操作的一個命令，因此這個方法的參數也更明確，主要參數為：

• key list， 分組的鍵
• condition dict，過濾條件
• initial dict，初始值
• reduce string/bson.Code， js 的 reduce 函數

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}, ...]

這里的分組數據聚合，是通過 reduce 函數實現的，這個函數與 python 的 reduce 不同，它不需要返回值，而是直接修改 prev 參數即可，這個參數會自動代入下一次調用。這可能是 js 的實現。

須注意的是 js 默認返回浮點數。

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對億速云的支持。