python操作mongo(2) | 易学教程

更新数据

你可以通过调用**update_one()和update_many()**方法来更新集合collection中特定的文档.update_one()一次只能更新一个内容。使用update_many()可以一次性更新多个文档内容。

预备条件

from pymongo import MongoClient

client = MongoClient()
db = client.test

更新高等级字段

下面的操作是更新第一个匹配name为juni的文档，通过$set操作来更新cuisine和currentDate字段(更新为当前的时间)。

from pymongo import MongoClient

client=MongoClient()
db=client.test

result = db.restaurants.update_one(
	{"name": "Juni"},
	{
		"$set": {
			"cuisine": "American (New)"
		},
		"$currentDate": {"lastModified": True}
	}
)

调用 update_one操作返回的一个UpdateResult对象，表示匹配的文件计数 modified_count表示的是当前修改的总数

result.matched_count

将上面的值进行输出得到的值为1

更新一个嵌入的文档

下面的操作是更新一个嵌入的文档中的一个字段，通过使用.符号来访问相应的字段名。

result = db.restaurants.update_one(
	{"restaurant_id": "41156888"},
	{"$set": {"address.street": "East 31st Street"}}
)

上面的操作result表示的是修改的文档数量

更新多个文档

update_one()一次只能更新一个文档，可以通过使用update_many()方法来同时更新多个文件，下面的操作匹配文档当中所有address.zipcode为10016和cuisine为Other的字段，并且设置其cusine为“Category，并且将lastModified更新为当前的时间.

result = db.restaurants.update_many(
    {"address.zipcode": "10016", "cuisine": "Other"},
    {
        "$set": {"cuisine": "Category To Be Determined"},
        "$currentDate": {"lastModified": True}
    }
)

上面方法返回一个UpdateResult对象，该对象里面含有匹配的文件个数以及更改文件的计数器。下面的语句返回的为20，表示上面的操作更新了二十条记录

result.matched_count

替换文档

调用update()方法只是更新特定的字段，而使用replace_one或者replace_many(),将整个匹配的内容更改为你输入的内容。比如我们原本有下面的内容

{'cuisine': 'Italian',

'restaurant_id': '41704620',

'name': 'Vella',

'_id': ObjectId('5704d3c3a75b1775d3b2583b'),

'borough': 'Manhattan',

'address': {'coord': [-73.9557413, 40.7720266], 'building': '1480', 'zipcode': '10075', 'street': '2 Avenue'}, 'grades': [{'date': datetime.datetime(2014, 10, 1, 0, 0), 'score': 11, 'grade': 'A'},

{'date': datetime.datetime(2014, 1, 16, 0, 0), 'score': 17, 'grade': 'B'}]}

我们通过调用下面的语句

result = db.restaurants.replace_one(
    {"restaurant_id": "41704620"},
    {
        "name": "Vella 2",
        "address": {
            "coord": [-73.9557413, 40.7720266],
            "building": "1480",
            "street": "2 Avenue",
            "zipcode": "10075"
        }
    }
)

这里我们再次查询的时候反正已经不能通过restaurant_id来进行查询了，因为该记录已经完成更新为非典所给出的字段了，这里查询的内容如下：

{'_id': ObjectId('5704d3c3a75b1775d3b2583b'),

'name': 'Vella 2',

'address': {'zipcode': '10075', 'building': '1480', 'street': '2 Avenue', 'coord': [-73.9557413, 40.7720266]}}

默认的当一个update操作没有任何匹配的数据时，mongo什么都不会去做。但是我们可以通过设置upsert=true，这样一旦匹配不到任何的数据时，会将当前的数据当成新的数据插入到collection当中

##移除数据移除同样提供了两个方法一个是delete_one()另一个并是delete_many()。

delete_one 一次只删除一条记录
delete_many() 可以删除多条匹配的记录

###移除所有匹配的内容下面的操作是删除所有borough为Manhattan

result = db.restaurants.delete_many({"borough": "Manhattan"})

上面的操作返回的是一个 DeleteResult 的对象，该对象记录的是匹配的数量和删除的数量

result.deleted_count 输出的结果为1263行，表示删除的总数

移除所有的内容

result = db.restaurants.delete_many({})

上面不带任何条件的执行的结果，删除所有的内容通过打印result.deleted_count结果为15100,表示删除了15100行记录

###删除Collection 下面的语句直接将restaurants这个集合删除

db.restaurants.drop()

##数据集合在mongodb当中通过aggregate()进行分组

db.collection.aggregate([<stage1>, <stage2>, ...])

###通过字段进行分组，并且计算该字段的总数

我们使用$group来指定指定的键(key)进行分组。在$group当中主要通过_id字段来进行分组。通过$group来访问field路径。在使用$前缀的字段名称来进行访问.

通过accumulators来计算每一组的数据数。下面的示例就是通过borough字段来进行分组，并且使用$sum来进行分组的总数的累加

cursor = db.restaurants.aggregate(
    [
        {"$group": {"_id": "$borough", "count": {"$sum": 1}}}
    ]
)
for document in cursor:
	print(document)

上面的代码执行之后的结果如下面所示

{'_id': None, 'count': 1}

{'_id': 'Missing', 'count': 51}

{'_id': 'Staten Island', 'count': 969}

{'_id': 'Queens', 'count': 5656}

{'_id': 'Bronx', 'count': 2338}

{'_id': 'Brooklyn', 'count': 6086}

过程分组集合

我们使用$match筛选相应的集合。$match使用的是mongodb 查询语法。下面的示例是通过$match进行过滤，只有同时满足borough为Queens和curisine为Brazilian的条件才会参与分组。 address.zipcodewdt 做为分组的字段，并且$sum进行最终的累加汇总

cursor = db.restaurants.aggregate(
    [
        {"$match": {"borough": "Queens", "cuisine": "Brazilian"}},
        {"$group": {"_id": "$address.zipcode", "count": {"$sum": 1}}}
    ]
)

最终的结果如下所示