日韩免费一区二区三区在线,日本亚洲中午字幕乱码,免费的黄视频

聽說項(xiàng)目里面Aggregation用的多，那就專門針對(duì)這個(gè)多多練習(xí)一下。

基本的操作包括：

•$project - 可以從子文檔中提取字段，可以重命名字段

•$match - 可以實(shí)現(xiàn)查找的功能

•$limit - 接受一個(gè)數(shù)字n，返回結(jié)果集中的前n個(gè)文檔。

•$skip - 接受一個(gè)數(shù)字n，丟棄結(jié)果集中的前n個(gè)文檔。效率比較低，依然會(huì)遍歷前n個(gè)文檔。

•$unwind - 可以將一個(gè)包含數(shù)組的文檔切分成多個(gè), 比如你的文檔有中有個(gè)數(shù)組字段 A, A中有10個(gè)元素, 那么經(jīng)過 $unwind處理后會(huì)產(chǎn)生10個(gè)文檔，這些文檔只有字段 A不同

•$group - 統(tǒng)計(jì)操作，還提供了一系列子命令

–$avg, $sum …

•$sort - 排序

Python篇
實(shí)驗(yàn)一、學(xué)生數(shù)據(jù)統(tǒng)計(jì)
1、生成學(xué)生數(shù)據(jù)：

#!/usr/bin/env python
# coding=utf-8
from pymongo import MongoClient
from random import randint
name1 = ["yang ", "li ", "zhou "]
name2 = [
  "chao",
  "hao",
  "gao",
  "qi gao",
  "hao hao",
  "gao gao",
  "chao hao",
  "ji gao",
  "ji hao",
  "li gao",
  "li hao",
]
provinces = [
  "guang dong",
  "guang xi",
  "shan dong",
  "shan xi",
  "he nan"
]
client = MongoClient('localhost', 27017)
db = client.student
sm = db.smessage
sm.remove()
for i in range(1, 100):
  name = name1[randint(0, 2)] + name2[randint(0, 10)]
  province = provinces[randint(0, 4)]
  new_student = {
    "name": name,
    "age": randint(1, 30),
    "province": province,
    "subject": [
      {"name": "chinese", "score": randint(0, 100)},
      {"name": "math", "score": randint(0, 100)},
      {"name": "english", "score": randint(0, 100)},
      {"name": "chemic", "score": randint(0, 100)},
    ]}
  print new_student
  sm.insert_one(new_student)

print sm.count()

好了，現(xiàn)在數(shù)據(jù)庫里面有100條學(xué)生數(shù)據(jù)了。

現(xiàn)在我要得到廣東學(xué)生的平均年齡，在mongo控制臺(tái)輸入：

如果想到得到所有省份的平均年齡，那就更加簡(jiǎn)單了：

db.smessage.aggregate(
{$match: {province: "guang dong"}}
)

{ "_id" : "guang xi", "age" : 15.19047619047619 }
{ "_id" : "guang dong", "age" : 16.05263157894737 }
{ "_id" : "shan dong", "age" : 17.44 }
{ "_id" : "he nan", "age" : 20 }
{ "_id" : "shan xi", "age" : 16.41176470588235 }

如果想得到廣東省所有科目的平均成績(jī)：

db.smessage.aggregate(
{$match: {province: "guang dong"}},
{$unwind: "$subject"},
{$group: { _id: {province:"$province",sujname:"$subject.name"}, per:{$avg:"$subject.score"}}}
)

加上排序：

db.smessage.aggregate(
{$match: {province: "guang dong"}},
{$unwind: "$subject"},
{$group: { _id: {province:"$province",sujname:"$subject.name"}, per:{$avg:"$subject.score"}}},
{$sort:{per:1}}
)

實(shí)驗(yàn)二、尋找發(fā)帖水王
有一個(gè)保存著雜志文章的集合，你可能希望找出發(fā)表文章最多的那個(gè)作者。假設(shè)每篇文章被保存為MongoDB中的一個(gè)文檔。

1、插入數(shù)據(jù)

#!/usr/bin/env python
# coding=utf-8
from pymongo import MongoClient
from random import randint


name = [
  'yangx',
  'yxxx',
  'laok',
  'kkk',
  'ji',
  'gaoxiao',
  'laoj',
  'meimei',
  'jj',
  'manwang',
]

title = [
  '123',
  '321',
  '12',
  '21',
  'aaa',
  'bbb',
  'ccc',
  'sss',
  'aaaa',
  'cccc',
]

client = MongoClient('localhost', 30999)
db = client.test
bbs = db.bbs
bbs.remove()
for i in range(1, 10000):
  na = name[randint(0, 9)]
  ti = title[randint(0, 9)]
  newcard = {
    'author': na,
    'title': ti,
  }
  bbs.insert_one(newcard)

print bbs.count()

現(xiàn)在我們擁有了10000條文章數(shù)據(jù)了。

2、用$project將author字段投射出來

{"$project": {"author":1}}

這個(gè)語法與查詢中的字段選擇器比較像：可以通過指定"fieldname" : 1選擇需要投射的字段，或者通過指定"fieldname":0排除不需要的字段。

執(zhí)行完這個(gè)"$project"操作之后，結(jié)果集中的每個(gè)文檔都會(huì)以{"_id" : id, "author" : "authorName"}這樣的形式表示。這些結(jié)果只會(huì)在內(nèi)存中存在，不會(huì)被寫入磁盤。

3、用group將作者名稱分組

{"group":{"_id":"$author","count":{"$sum":1}}}

這樣就會(huì)將作者按照名字排序，某個(gè)作者的名字每出現(xiàn)一次，就會(huì)對(duì)這個(gè)作者的"count"加1。

這里首先指定了需要進(jìn)行分組的字段"author"。這是由"_id" : "$author"指定的。可以將這個(gè)操作想象為：這個(gè)操作執(zhí)行完后，每個(gè)作者只對(duì)應(yīng)一個(gè)結(jié)果文檔，所以"author"就成了文檔的唯一標(biāo)識(shí)符（"_id"）。

第二個(gè)字段的意思是為分組內(nèi)每個(gè)文檔的"count"字段加1。注意，新加入的文檔中并不會(huì)有"count"字段；這"$group"創(chuàng)建的一個(gè)新字段。

執(zhí)行完這一步之后，結(jié)果集中的每個(gè)文檔會(huì)是這樣的結(jié)構(gòu)：{"_id" : "authorName", "count" : articleCount}。

4、用sort排序

{"$sort" : {"count" : -1}}

這個(gè)操作會(huì)對(duì)結(jié)果集中的文檔根據(jù)"count"字段進(jìn)行降序排列。

5、限制結(jié)果為前5個(gè)文檔

{"$limit" : 5}

這個(gè)操作將最終的返回結(jié)果限制為當(dāng)前結(jié)果中的前5個(gè)文檔。
在MongoDB中實(shí)際運(yùn)行時(shí)，要將這些操作分別傳給aggregate()函數(shù)：

> db.articles.aggregate({"$project" : {"author" : 1}},
... {"$group" : {"_id" : "$author", "count" : {"$sum" : 1}}},
... {"$sort" : {"count" : -1}},
... {"$limit" : 5}
... )

aggregate()會(huì)返回一個(gè)文檔數(shù)組，其中的內(nèi)容是發(fā)表文章最多的5個(gè)作者。

{ "_id" : "yangx", "count" : 1028 }
{ "_id" : "laok", "count" : 1027 }
{ "_id" : "kkk", "count" : 1012 }
{ "_id" : "yxxx", "count" : 1010 }
{ "_id" : "ji", "count" : 1007 }

Java篇

我在db中造了些數(shù)據(jù)(數(shù)據(jù)時(shí)隨機(jī)生成的, 能用即可)，沒有建索引，文檔結(jié)構(gòu)如下：

Document結(jié)構(gòu):

 {
  "_id" : ObjectId("509944545"),
  "province" : "海南",
  "age" : 21,
  "subjects" : [
  {
  "name"："語文",
  "score" : 53
  },
  {
  "name"："數(shù)學(xué)",
  "score" : 27
  },
  {
  "name"："英語",
  "score" : 35
  }
   ],
  "name" : "劉雨"
 }

接下來要實(shí)現(xiàn)兩個(gè)功能：

統(tǒng)計(jì)上海學(xué)生平均年齡
統(tǒng)計(jì)每個(gè)省各科平均成績(jī)

接下來一一道來

統(tǒng)計(jì)上海學(xué)生平均年齡

從這個(gè)需求來講，要實(shí)現(xiàn)功能要有幾個(gè)步驟: 1. 找出上海的學(xué)生. 2. 統(tǒng)計(jì)平均年齡 (當(dāng)然也可以先算出所有省份的平均值再找出上海的)。如此思路也就清晰了

首先上 $match, 取出上海學(xué)生

{$match:{'province':'上海'}}

接下來用 $group 統(tǒng)計(jì)平均年齡

{$group:{_id:'$province',$avg:'$age'}}

$avg 是 $group的子命令，用于求平均值，類似的還有 $sum, $max ....
上面兩個(gè)命令等價(jià)于

select province, avg(age) 
 from student 
 where province = '上海'
 group by province

下面是Java代碼

Mongo m = new Mongo("localhost", 27017);
 DB db = m.getDB("test");
 DBCollection coll = db.getCollection("student");
 
 /*創(chuàng)建 $match, 作用相當(dāng)于query*/
 DBObject match = new BasicDBObject("$match", new BasicDBObject("province", "上海"));
 
 /* Group操作*/
 DBObject groupFields = new BasicDBObject("_id", "$province");
 groupFields.put("AvgAge", new BasicDBObject("$avg", "$age"));
 DBObject group = new BasicDBObject("$group", groupFields);
 
 /* 查看Group結(jié)果 */
 AggregationOutput output = coll.aggregate(match, group); // 執(zhí)行 aggregation命令
 System.out.println(output.getCommandResult());

輸出結(jié)果：

{ "serverUsed" : "localhost/127.0.0.1:27017" ,    
 "result" : [ 
  { "_id" : "上海" , "AvgAge" : 32.09375}
  ] ,     
  "ok" : 1.0
 }

如此工程就結(jié)束了，再看另外一個(gè)需求

統(tǒng)計(jì)每個(gè)省各科平均成績(jī)

首先更具數(shù)據(jù)庫文檔結(jié)構(gòu)，subjects是數(shù)組形式，需要先‘劈'開，然后再進(jìn)行統(tǒng)計(jì)

主要處理步驟如下：

1. 先用$unwind 拆數(shù)組 2. 按照 province, subject 分租并求各科目平均分

$unwind 拆數(shù)組

{$unwind:'$subjects'}

按照 province, subject 分組，并求平均分

{$group:{
   _id:{
     subjname:”$subjects.name”,  // 指定group字段之一 subjects.name, 并重命名為 subjname
     province:'$province'     // 指定group字段之一 province, 并重命名為 province(沒變)
   },
   AvgScore:{
    $avg:”$subjects.score”    // 對(duì) subjects.score 求平均
   }
 }

java代碼如下:

Mongo m = new Mongo("localhost", 27017);
 DB db = m.getDB("test");
 DBCollection coll = db.getCollection("student");
 
 /* 創(chuàng)建 $unwind 操作, 用于切分?jǐn)?shù)組*/
 DBObject unwind = new BasicDBObject("$unwind", "$subjects");
 
 /* Group操作*/
 DBObject groupFields = new BasicDBObject("_id", new BasicDBObject("subjname", "$subjects.name").append("province", "$province"));
 groupFields.put("AvgScore", new BasicDBObject("$avg", "$subjects.scores"));
 DBObject group = new BasicDBObject("$group", groupFields);
 
 /* 查看Group結(jié)果 */
 AggregationOutput output = coll.aggregate(unwind, group); // 執(zhí)行 aggregation命令
 System.out.println(output.getCommandResult());

輸出結(jié)果

{ "serverUsed" : "localhost/127.0.0.1:27017" , 
  "result" : [ 
   { "_id" : { "subjname" : "英語" , "province" : "海南"} , "AvgScore" : 58.1} , 
   { "_id" : { "subjname" : "數(shù)學(xué)" , "province" : "海南"} , "AvgScore" : 60.485} ,
   { "_id" : { "subjname" : "語文" , "province" : "江西"} , "AvgScore" : 55.538} , 
   { "_id" : { "subjname" : "英語" , "province" : "上海"} , "AvgScore" : 57.65625} , 
   { "_id" : { "subjname" : "數(shù)學(xué)" , "province" : "廣東"} , "AvgScore" : 56.690} , 
   { "_id" : { "subjname" : "數(shù)學(xué)" , "province" : "上海"} , "AvgScore" : 55.671875} ,
   { "_id" : { "subjname" : "語文" , "province" : "上海"} , "AvgScore" : 56.734375} , 
   { "_id" : { "subjname" : "英語" , "province" : "云南"} , "AvgScore" : 55.7301 } ,
   .
   .
   .
   .
   "ok" : 1.0
 }

統(tǒng)計(jì)就此結(jié)束.... 稍等，似乎有點(diǎn)太粗糙了，雖然統(tǒng)計(jì)出來的，但是根本沒法看，同一個(gè)省份的科目都不在一起。囧

接下來進(jìn)行下加強(qiáng),

支線任務(wù)：將同一省份的科目成績(jī)統(tǒng)計(jì)到一起( 即，期望 'province':'xxxxx', avgscores:[ {'xxx':xxx}, ....] 這樣的形式)

要做的有一件事，在前面的統(tǒng)計(jì)結(jié)果的基礎(chǔ)上，先用 $project 將平均分和成績(jī)?nèi)嗟揭黄?，即形如下面的樣?/p>

{ "subjinfo" : { "subjname" : "英語" ,"AvgScores" : 58.1 } ,"province" : "海南" }

再按省份group，將各科目的平均分push到一塊，命令如下：

$project 重構(gòu)group結(jié)果

{$project：{province:"$_id.province", subjinfo:{"subjname":"$_id.subjname", "avgscore":"$AvgScore"}}

$使用 group 再次分組

{$group:{_id:"$province", avginfo:{$push:"$subjinfo"}}}

java 代碼如下：

Mongo m = new Mongo("localhost", 27017);
DB db = m.getDB("test");
DBCollection coll = db.getCollection("student");
       
/* 創(chuàng)建 $unwind 操作, 用于切分?jǐn)?shù)組*/
DBObject unwind = new BasicDBObject("$unwind", "$subjects");
       
/* Group操作*/
DBObject groupFields = new BasicDBObject("_id", new BasicDBObject("subjname", "$subjects.name").append("province", "$province"));
groupFields.put("AvgScore", new BasicDBObject("$avg", "$subjects.scores"));
DBObject group = new BasicDBObject("$group", groupFields);
       
/* Reshape Group Result*/
DBObject projectFields = new BasicDBObject();
projectFields.put("province", "$_id.province");
projectFields.put("subjinfo", new BasicDBObject("subjname","$_id.subjname").append("avgscore", "$AvgScore"));
DBObject project = new BasicDBObject("$project", projectFields);
       
/* 將結(jié)果push到一起*/
DBObject groupAgainFields = new BasicDBObject("_id", "$province");
groupAgainFields.put("avginfo", new BasicDBObject("$push", "$subjinfo"));
DBObject reshapeGroup = new BasicDBObject("$group", groupAgainFields);
 
/* 查看Group結(jié)果 */
AggregationOutput output = coll.aggregate(unwind, group, project, reshapeGroup);
System.out.println(output.getCommandResult());

結(jié)果如下：

{ "serverUsed" : "localhost/127.0.0.1:27017" , 
 "result" : [ 
    { "_id" : "遼寧" , "avginfo" : [ { "subjname" : "數(shù)學(xué)" , "avgscore" : 56.46666666666667} , { "subjname" : "英語" , "avgscore" : 52.093333333333334} , { "subjname" : "語文" , "avgscore" : 50.53333333333333}]} , 
    { "_id" : "四川" , "avginfo" : [ { "subjname" : "數(shù)學(xué)" , "avgscore" : 52.72727272727273} , { "subjname" : "英語" , "avgscore" : 55.90909090909091} , { "subjname" : "語文" , "avgscore" : 57.59090909090909}]} , 
    { "_id" : "重慶" , "avginfo" : [ { "subjname" : "語文" , "avgscore" : 56.077922077922075} , { "subjname" : "英語" , "avgscore" : 54.84415584415584} , { "subjname" : "數(shù)學(xué)" , "avgscore" : 55.33766233766234}]} , 
    { "_id" : "安徽" , "avginfo" : [ { "subjname" : "英語" , "avgscore" : 55.458333333333336} , { "subjname" : "數(shù)學(xué)" , "avgscore" : 54.47222222222222} , { "subjname" : "語文" , "avgscore" : 52.80555555555556}]} 
  .
  .
  .
  ] , "ok" : 1.0}