nosql python

已于 2024-05-21 16:59:19 修改
阅读量195 收藏
点赞数 3
文章标签： python
于 2024-05-21 16:54:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/laolv3/article/details/139096995
版权

连接库文件

import pymongo

#连接数据库，指定IP和端口
myclient = pymongo.MongoClient('localhost',27017)

#查看数据库  list_database_names
dbs = myclient.list_database_names()
dbs

['admin', 'config', 'local', 'test']

#切换/创建（本身不存在）数据库
mydb = myclient['test']#切换到数据库test
#查看test数据库所有集合
cols = mydb.list_collection_names()
cols

['c1']

#直接切换/创建集合
c1 = mydb['c1']

#显示创建，删除集合
mydb.create_collection("c2")
mydb.drop_collection("c2")

{'nIndexesWas': 1, 'ns': 'test.c2', 'ok': 1.0}

文档的增删改查

myclient = pymongo.MongoClient('localhost',27017)
mydb = myclient['test']#切换到数据库test
c1 = mydb['c1']

for i in c1.find():
    print(i)

{'_id': ObjectId('664c3b35a7a4436dcd899dbe'), 'name': 'aa1', 'age': 88.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dbf'), 'name': 'aa2', 'age': 99.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dc0'), 'name': 'aa3', 'age': 100.0}

增加

单文档插入 insert_one

d1 = {"name":"kij","age":32,"major":"大数据技术"}#在py中，key（字段）必须用双（单引号括起来）
x = c1.insert_one(d1)
print(x.inserted_id)#打印id

664c4881bf0ae544ce0c06a8

for i in c1.find():
    print(i)

{'_id': ObjectId('664c3b35a7a4436dcd899dbe'), 'name': 'aa1', 'age': 88.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dbf'), 'name': 'aa2', 'age': 99.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dc0'), 'name': 'aa3', 'age': 100.0}
{'_id': ObjectId('664c4835bf0ae544ce0c06a7'), 'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'_id': ObjectId('664c4881bf0ae544ce0c06a8'), 'name': 'kij', 'age': 32, 'major': '大数据技术'}

多文档插入 insert_many

#多文档插入，参数列表（数组）
d2 = [
    {"name":"jdfjdsk","age":14,"major":"大数据技术"},
    {"name":"jdghff","age":17,"major":"大数据财务"},
    {"name":"gdfh","age":78,"major":"云雾大致"},
]
x = c1.insert_many(d2)
print(x.inserted_ids)#打印多文档id

[ObjectId('664c49a3bf0ae544ce0c06af'), ObjectId('664c49a3bf0ae544ce0c06b0'), ObjectId('664c49a3bf0ae544ce0c06b1')]

#查询c1文档
for i in c1.find():
    print(i)

{'_id': ObjectId('664c3b35a7a4436dcd899dbe'), 'name': 'aa1', 'age': 88.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dbf'), 'name': 'aa2', 'age': 99.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dc0'), 'name': 'aa3', 'age': 100.0}
{'_id': ObjectId('664c4835bf0ae544ce0c06a7'), 'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'_id': ObjectId('664c4881bf0ae544ce0c06a8'), 'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'_id': ObjectId('664c494ebf0ae544ce0c06a9'), 'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'_id': ObjectId('664c494ebf0ae544ce0c06aa'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c494ebf0ae544ce0c06ab'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ac'), 'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ad'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ae'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06af'), 'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b0'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b1'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}

查询

#简单条件查询c1文档
#find（）第一个参数为查询体哦阿健，第二个参数为（不）显示的列
for i in c1.find({"major":"大数据技术"},{"_id":0}):
    print(i)

{'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}

#按修饰符查询
q = {"age":{"$gt":50}}#查询条件
for i in c1.find(q,{"_id":0}):
    print(i)

{'name': 'aa1', 'age': 88.0}
{'name': 'aa2', 'age': 99.0}
{'name': 'aa3', 'age': 100.0}
{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}

#正则匹配 $regex ,查询名字name以k开头的所有文档
q1 = {"name":{"$regex":"^g"}}
for i in c1.find(q1,{"_id":0}):
    print(i)

{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}

for i in c1.find({},{"_id":0}):
    print(i)

{'name': 'aa1', 'age': 88.0}
{'name': 'aa2', 'age': 99.0}
{'name': 'aa3', 'age': 100.0}
{'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'name': 'gdfh', 'age': 78, 'major': '云雾大致'}

#在py中管道必须为list形式，所以要用括号
pin = [
    {"$group":{"_id":"$major","max_age":{"$max":"$age"}}}
]
#返回结果为列表，循环打印
result = c1.aggregate(pin)
for i in c1.aggregate(pin):
    print(i)

{'_id': None, 'max_age': 100.0}
{'_id': '大数据技术', 'max_age': 32}
{'_id': '大数据财务', 'max_age': 17}
{'_id': '云雾大致', 'max_age': 78}

按照major。统计年龄平均值，并统计每个分组文档数，按照平均年龄降序排序

pin = [
    {"$group":{"_id":"$major","max_age":{"$max":"$age"}}},
    {"$sort":{"avg_age":-1}}
]
#返回结果为列表，循环打印
result = c1.aggregate(pin)
for i in c1.aggregate(pin):
    print(i)

{'_id': None, 'max_age': 100.0}
{'_id': '大数据技术', 'max_age': 32}
{'_id': '云雾大致', 'max_age': 78}
{'_id': '大数据财务', 'max_age': 17}

改（更新）

c1 = mydb['c1']
for d in c1.find():
    print(d)

{'_id': ObjectId('664c3b35a7a4436dcd899dbe'), 'name': 'aa1', 'age': 88.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dbf'), 'name': 'aa2', 'age': 99.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dc0'), 'name': 'aa3', 'age': 100.0}
{'_id': ObjectId('664c4835bf0ae544ce0c06a7'), 'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'_id': ObjectId('664c4881bf0ae544ce0c06a8'), 'name': 'kij', 'age': 32, 'major': '大数据技术'}
{'_id': ObjectId('664c494ebf0ae544ce0c06a9'), 'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'_id': ObjectId('664c494ebf0ae544ce0c06aa'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c494ebf0ae544ce0c06ab'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ac'), 'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ad'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ae'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06af'), 'name': 'jdfjdsk', 'age': 14, 'major': '大数据技术'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b0'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b1'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}

# name为aa3的文档，年龄改为77， $set--修改值
c1.update_one({"name":"aa3"},{"$set":{"age":77}})
for d in c1.find({"name":"aa3"},{"_id":0}):
    print(d)

{'name': 'aa3', 'age': 77}

更新多干文档 uodata_many:更新找到的所有文档

#更新major为大数据技术的文档中的年零字段，全部加5岁--$inc
q = {"major":"大数据技术"}#条件
n_d = {"$inc":{"age":5}}#新数据
c1.update_many(q,n_d)

for i in c1.find({},{"id":0}):
    print(i)

{'_id': ObjectId('664c3b35a7a4436dcd899dbe'), 'name': 'aa1', 'age': 88.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dbf'), 'name': 'aa2', 'age': 99.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dc0'), 'name': 'aa3', 'age': 77}
{'_id': ObjectId('664c4835bf0ae544ce0c06a7'), 'name': 'kij', 'age': 37, 'major': '大数据技术'}
{'_id': ObjectId('664c4881bf0ae544ce0c06a8'), 'name': 'kij', 'age': 37, 'major': '大数据技术'}
{'_id': ObjectId('664c494ebf0ae544ce0c06a9'), 'name': 'jdfjdsk', 'age': 19, 'major': '大数据技术'}
{'_id': ObjectId('664c494ebf0ae544ce0c06aa'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c494ebf0ae544ce0c06ab'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ac'), 'name': 'jdfjdsk', 'age': 19, 'major': '大数据技术'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ad'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ae'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06af'), 'name': 'jdfjdsk', 'age': 19, 'major': '大数据技术'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b0'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b1'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}

删

#删除单个文档-- delete_one:删除匹配上的第一个文档
#删除name为aa2的文档
c1.delete_one({"name":"aa2"})#参数为匹配条件

for i in c1.find({},{"id":0}):
    print(i)

{'_id': ObjectId('664c3b35a7a4436dcd899dbe'), 'name': 'aa1', 'age': 88.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dc0'), 'name': 'aa3', 'age': 77}
{'_id': ObjectId('664c4835bf0ae544ce0c06a7'), 'name': 'kij', 'age': 37, 'major': '大数据技术'}
{'_id': ObjectId('664c4881bf0ae544ce0c06a8'), 'name': 'kij', 'age': 37, 'major': '大数据技术'}
{'_id': ObjectId('664c494ebf0ae544ce0c06a9'), 'name': 'jdfjdsk', 'age': 19, 'major': '大数据技术'}
{'_id': ObjectId('664c494ebf0ae544ce0c06aa'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c494ebf0ae544ce0c06ab'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ac'), 'name': 'jdfjdsk', 'age': 19, 'major': '大数据技术'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ad'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ae'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06af'), 'name': 'jdfjdsk', 'age': 19, 'major': '大数据技术'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b0'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b1'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}

删除多个文档–delet_many:删除所有匹配上的文档

#删除name以k开头的文档，需要使用正则表达式匹配
c1.delete_many({"name":{"$regex":"k"}})

for i in c1.find({},{"id":0}):
    print(i)

{'_id': ObjectId('664c3b35a7a4436dcd899dbe'), 'name': 'aa1', 'age': 88.0}
{'_id': ObjectId('664c3b35a7a4436dcd899dc0'), 'name': 'aa3', 'age': 77}
{'_id': ObjectId('664c494ebf0ae544ce0c06aa'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c494ebf0ae544ce0c06ab'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ad'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c4989bf0ae544ce0c06ae'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b0'), 'name': 'jdghff', 'age': 17, 'major': '大数据财务'}
{'_id': ObjectId('664c49a3bf0ae544ce0c06b1'), 'name': 'gdfh', 'age': 78, 'major': '云雾大致'}

删除所有文档–delete_many–查询条件为空即可

秦志鹏2
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
litedb：编写NoSQL Python数据库以提高易用性
02-04
LiteDB 是一个轻量级的、开源的、基于文件系统的NoSQL数据库，它为Python开发者提供了一种简单易用的方式来存储和检索数据。这个数据库引擎是完全用Python编写的，支持JSON格式的数据，并且利用了Python的pickle模块...
OPALFramework:轻量级的NoSQL Python Web框架-开源
04-25
OPAL Framework是一款专为Python设计的轻量级NoSQL Web框架，其核心设计理念是简化Web开发过程，提供高效、灵活且易于上手的工具，以满足开发者快速构建Web应用的需求。这款框架特别适合那些希望在Python环境中使用...
NoSQL与Python学习
12-06
NoSQL与Python学习,学习python与NoSQL学习入门资料！
用_Python_写一个_NoSQL_数据库1
08-08
在Python中实现一个简单的NoSQL数据库，我们可以构建一个基于字典的数据结构来模拟数据库的操作。字典可以方便地存储键值对，这与NoSQL数据库中的文档存储或键值存储模型非常相似。让我们一步步了解如何创建这个...
mongodb 数据库基本操作 使用MongoDB Python操作NoSQL数据库
05-11
MongoDB是一种流行的NoSQL数据库，它使用文档型的数据模型，非常适合处理非结构化或半结构化数据。Python是与MongoDB交互的常用编程语言之一，提供了PyMongo库，使得在Python环境中操作MongoDB变得简单易行。在这个...
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞
qq_64603703的博客
07-27 557
详细解说数据分析pandas库中的常用方法
全网最详细Gradio教程系列5——Gradio Client: python
shao918516的博客
07-26 741
程序部署完成后，如何将Gradio App作为API访问使用呢，这就用到Gradio Client。本章讲解Gradio Client的三种使用方式：python、javascript和curl，受字数限制，所以分三篇博客发布。 使用Gradio Python Client非常易于将Gradio应用程序作为API使用，本节讲述gradio_client安装、如何连接Gradio应用程序、查看可用API及其使用方式、job及session等用法。 通过Gradio Python Cli
随机数种子的作用
帆的博客
07-23 1268
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
全面解析 SnowNLP：中文文本处理、情感分析
有勇气的牛排博客
07-24 454
SnowNLP 是一个专门用于处理中文文本的 Python库。分词情感分析关键词提取文本分类拼音转换繁体转简体词相似度计算等测试环境：Python3.10.9尚未测出该功能text = "有勇气的牛排写的文章通俗易懂，爱了爱了"文本分类使用的是 SnowNLP 的情感分析模型。
安卓手机部署大模型实战
奇舞周刊
07-25 530
本文作者系360奇舞团前端开发工程师前言自ChatGPT发布以来，大语言模型（Large language model, LLM)就成了AI乃至整个计算机科学的话题中心。学术界，工业界围绕大语言模型本身及其应用展开了广泛的讨论，大量的新的实践层出不穷。由于LLM对计算资源的需求极大，有能力部署大语言模型的公司和实验室一般通过搭建集群，然后开放API或者网页demo的方式让用户可以使用模型。在人们纷...
python语言利用Tkinter实现GUI计算器|（二）优化计算器：过滤用户不合理的输入
人工智能视觉分析算法学习实践和经验分享。
07-27 367
python语言利用Tkinter实现GUI计算器|（二）优化计算器python语言利用Tkinter实现GUI计算器|（二）计算器打包。
Java实现拼图小游戏
Aishangyuwen的博客
07-22 1567
Java实现拼图小游戏
【Python】 基于Q-learning 强化学习的贪吃蛇游戏（源码+论文）【独一无二】
测试开发自动化
07-26 1203
贪吃蛇环境模块：定义了游戏规则、状态空间、动作空间，并实现了环境的重置和步进逻辑。Q-learning 算法代理模块：实现了 Q-learning 算法，用于学习和决策游戏中的动作选择。游戏窗口模块：使用 Tkinter 创建图形界面展示游戏过程，并与环境和 Q-learning 代理进行交互。该设计使得贪吃蛇游戏能够通过强化学习算法进行自动训练，并通过图形界面展示训练过程。👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 强化贪吃蛇 ” 获取，拿来即用。👈👈👈。
第G2周：人脸图像生成（DCGAN）
lihuhelihu的博客
07-23 971
除了生成器模型的输出层和判别器模型的输入层，在整个对抗网络的其它层上都使用了Batch Normalization，原因是Batch Normalization可以稳定学习，有助于优化初始化参数值不良而导致的训练问题。通过这些层的组合，输入的图像逐渐被降维并提取特征，最终输出一个标量值，表示输入图像被判别为真实图像的概率。总体来说，这段代码实现了GAN的训练过程，通过交替更新判别器和生成器的参数，目标是使生成器生成逼真的图像样本，同时判别器能够准确区分真实图像样本和生成图像样本。
【Python】字母 Rangoli 图案
最新发布
u010528690的博客
07-27 520
You are given an integer N. Your task is to print an alphabet rangoli of size N. (Rangoli is a form of Indian folk art based on creation of patterns.)Different sizes of alphabet rangoli are shown below:The center of rangoli has the first alphabet letter a,
sklearn基础学习
招风的黑耳CSDN
07-23 752
sklearn，或者更正式地称为scikit-learn，是一个基于Python的开源机器学习库。它建立在NumPy、SciPy和matplotlib之上，提供了简单而有效的工具用于数据挖掘和数据分析。sklearn支持监督学习和无监督学习算法，包括分类、回归、聚类和降维等。
NumPy冷知识 56个
刘念卿的博客
07-25 922
Numpy冷知识
json 模块
Lzcsfg的博客
07-27 236
json模块是 Python 标准库中用于处理 JSON 数据的模块。JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，广泛用于数据传输和存储。json模块提供了将 Python 对象转换为 JSON 格式（序列化）和将 JSON 格式的数据转换回 Python 对象（反序列化）的方法。
python的nosql
07-28
Python中的NoSQL数据库有很多选择，其中一些流行的包括： 1. MongoDB：MongoDB是一个文档型数据库，使用BSON（二进制JSON）格式存储数据。可以使用PyMongo库在Python中与MongoDB进行交互。 2. Redis：Redis是一个...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值