pymongo中group by的操作方法教程
前言
使用pymongo进行groupby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。
defaggregate(self,pipeline,**kwargs): defgroup(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$match这样的stage放前面。
单键分组
start_time='2010-10-1000:00:00'
end_time='2010-10-1023:59:59'
match={
'time':{
'$gte':start_time,
'$lte':end_time,
}
}
groupby='userid'
group={
'_id':"$%s"%(groupbyifgroupbyelseNone),
'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)forkeyingroupby}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：
- keylist，分组的键
- conditiondict，过滤条件
- initialdict，初始值
- reducestring/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。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对毛票票的支持。