Python Elasticsearch DSL 查询、过滤、聚合操作实例，企业项目怎么写

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

es = elasticsearch.Elasticsearch([{‘host’: ‘127.0.0.1’, ‘port’: 9200}])

先看一下搜索，q 是指搜索内容，空格对 q 查询结果没有影响，size 指定个数，from_ 指定起始位置，filter_path 可以指定需要显示的数据，如本例中显示在最后的结果中的只有 _id 和 _type。

res_3 = es.search(index=“bank”, q=“Holmes”, size=1, from_=1)

res_4 = es.search(index=“bank”, q=" 39225 5686 ", size=1000, filter_path=[‘hits.hits._id’, ‘hits.hits._type’])

查询指定索引的所有数据：

其中，index 指定索引，字符串表示一个索引；列表表示多个索引，如 index=["bank", "banner", "country"]；正则形式表示符合条件的多个索引，如 index=["apple*"]，表示以 apple 开头的全部索引。

search 中同样可以指定具体 doc-type。

from elasticsearch_dsl import Search

s = Search(using=es, index=“index-test”).execute()

print s.to_dict()

根据某个字段查询，可以多个查询条件叠加：

s = Search(using=es, index=“index-test”).query(“match”, sip=“192.168.1.1”)

s = s.query(“match”, dip=“192.168.1.2”)

s = s.excute()

多字段查询：

from elasticsearch_dsl.query import MultiMatch, Match

multi_match = MultiMatch(query=‘hello’, fields=[‘title’, ‘content’])

s = Search(using=es, index=“index-test”).query(multi_match)

s = s.execute()

print s.to_dict()

还可以用 Q() 对象进行多字段查询，fields 是一个列表，query 为所要查询的值。

from elasticsearch_dsl import Q

q = Q(“multi_match”, query=“hello”, fields=[‘title’, ‘content’])

s = s.query(q).execute()

print s.to_dict()

Q() 第一个参数是查询方法，还可以是 bool。

q = Q(‘bool’, must=[Q(‘match’, title=‘hello’), Q(‘match’, content=‘world’)])

s = s.query(q).execute()

print s.to_dict()

通过 Q() 进行组合查询，相当于上面查询的另一种写法。

q = Q(“match”, title=‘python’) | Q(“match”, title=‘django’)

s = s.query(q).execute()

print(s.to_dict())

{“bool”: {“should”: […]}}

q = Q(“match”, title=‘python’) & Q(“match”, title=‘django’)

s = s.query(q).execute()

print(s.to_dict())

{“bool”: {“must”: […]}}

q = ~Q(“match”, title=“python”)

s = s.query(q).execute()

print(s.to_dict())

{“bool”: {“must_not”: […]}}

过滤，在此为范围过滤，range 是方法，timestamp 是所要查询的 field 名字，gte 为大于等于，lt 为小于，根据需要设定即可。

关于 term 和 match 的区别，term 是精确匹配，match 会模糊化，会进行分词，返回匹配度分数，（term 如果查询小写字母的字符串，有大写会返回空即没有命中，match 则是不区分大小写都可以进行查询，返回结果也一样）

范围查询

s = s.filter(“range”, timestamp={“gte”: 0, “lt”: time.time()}).query(“match”, country=“in”)

普通过滤

res_3 = s.filter(“terms”, balance_num=[“39225”, “5686”]).execute()

其他写法：

s = Search()

s = s.filter(‘terms’, tags=[‘search’, ‘python’])

print(s.to_dict())

{‘query’: {‘bool’: {‘filter’: [{‘terms’: {‘tags’: [‘search’, ‘python’]}}]}}}

s = s.query(‘bool’, filter=[Q(‘terms’, tags=[‘search’, ‘python’])])

print(s.to_dict())

{‘query’: {‘bool’: {‘filter’: [{‘terms’: {‘tags’: [‘search’, ‘python’]}}]}}}

s = s.exclude(‘terms’, tags=[‘search’, ‘python’])

或者

s = s.query(‘bool’, filter=[~Q(‘terms’, tags=[‘search’, ‘python’])])

print(s.to_dict())

{‘query’: {‘bool’: {‘filter’: [{‘bool’: {‘must_not’: [{‘terms’: {‘tags’: [‘search’, ‘python’]}}]}}]}}}

聚合可以放在查询，过滤等操作的后面叠加，需要加 aggs。

bucket 即为分组，其中第一个参数是分组的名字，自己指定即可，第二个参数是方法，第三个是指定的 field。

metric 也是同样，metric 的方法有 sum、avg、max、min 等，但是需要指出的是，有两个方法可以一次性返回这些值，stats 和 extended_stats，后者还可以返回方差等值。

实例1

s.aggs.bucket(“per_country”, “terms”, field=“timestamp”).metric(“sum_click”, “stats”, field=“click”).metric(“sum_request”, “stats”, field=“request”)

实例2

s.aggs.bucket(“per_age”, “terms”, field=“click.keyword”).metric(“sum_click”, “stats”, field=“click”)

实例3

s.aggs.metric(“sum_age”, “extended_stats”, field=“impression”)

实例4

s.aggs.bucket(“per_age”, “terms”, field=“country.keyword”)

实例5，此聚合是根据区间进行聚合

a = A(“range”, field=“account_number”, ranges=[{“to”: 10}, {“from”: 11, “to”: 21}])

res = s.execute()

文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
sdnimg.cn/5db8141418d544d3a8e9da4805b1a3f9.png)

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-6NU8LlCA-1713334849233)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！