mongodb学习笔记(三)

day3


修改数据

mysql:
update tableName set ... where ...
mongo
db.collectionName.update(query,update,upsert,multi)
功能:修改一个文档
参数:
  query:筛选要修改的文档,相当于where子句,用法同查找
  update:将数据更新为什么内容,相当于set操作,需要使用修改器操作符
  upsert:bool值,默认为false,表示如果query的文档不存在则无法修改;如果设置为true,表示如果query的文档不存在则根据query和update参数插入新的文档
  multi:bool值 默认为false 表示如果有多条符合筛选条件的文档则只修改第一条;如果设置为true 则修改所有符合条件的文档
*e.g. 将’LR’的年龄改为24
db.class.update({name:'LR'},{$set:{age:24}})
*e.g. 如果筛选数据不存在则插入一条新的文档
db.class.update({name:'LB'},{$set:{age:18,sex:'m'}},true)
*e.g. 可以同时修改多条匹配到的文档
db.class.update({sex:'w'},{$set:{age:18}},false,true)

修改器操作符

$set
修改一个域的值
增加一个域

$unset
删除一个域
*e.g. 删除文档的sex和age域(后面的数字习惯写1,0都表示删除)
db.class.update({name:'LR'},{$unset:{sex:0,age:1}})

$rename
修改一个域的名称
*e.g. 修改所有的sex域为gender
db.class.update({},{$rename:{sex:'gender'}},false,true)

$setOnInsert
如果update操作插入新的文档,则补充插入内容
*e.g. 如果插入数据则同时插入sex和tel域内容
db.class.update({name:'YZ'},{$set:{age:21},$setOnInsert:{set:'m',tel:'123456'}},true)

$inc
加减修改器
*e.g.
db.class.update({age:{$lt:18}},{$inc:{age:1}})
年龄减2
db.class.update({age:{$lt:18}},{$inc:{age:-2}},false,true)
(*$inc 可加正数 负数 小数都可以)

$mul
乘法修改器
*e.g.
db.class.update({name:'LB'},{$mul:{age:2}})
(可乘以正数 负数 小数都可以)

$min
设定最小值:如果筛选的文档指定的域值小于min值则不修改,如果大于min值则改为min值
*e.g.
db.class.update({},{$min:{age:19}},false,true)

$max
设置最大值:如果筛选的文档指定值域大于max值则不变,如果小于max值则修改为max值

数组修改器

$push 向数组中添加一项
*e.g.
db.class.update({name:'XY'},{$push:{hobby:'ff'}},false,true)

$pushAll 向数组中添加多项
db.class.update({name:'LN'},{$push:{hobby:['gg','ff']}},false,true)

$each 逐个操作
*e.g. 利用each添加多项

$position 
选择数组位置进行操作 必须和each合用

$sort
对数组进行排序 必须和each合用

$pull
从数组中删除一个元素

$pullAll
从数组中删除多个元素

$pop
弹出数组中的一项
e.g.
{$pop:{score:1}} (*-1表示第一项,1表示最后一项)

$addToSet
向数组中插入一个元素,但是该元素不能和其他元素重复(如果已经存在则无法插入)

数据类型补充

时间类型
mongo中存储时间的格式:ISODate

方法一 自动生成当前时间 new Date()
db.class2.insert({title:'Python入门',date:new Date()})
方法二 生成当前时间 ISODate()
db.class2.insert({title:'Python入门',date:ISODate()})
方法三 将生成的时间变为字符串存储 Date()
db.class2.insert({title:'Python入门',date:Date()})

指定时间转换
ISODate()
功能:生成mongo时间类型
参数:如果不加参数则生成当前时间
参数格式:
”2018-11-11 11:11:11”
“20180101 11:11:11”
“20181102”

时间戳获取
valueOf()

null
1. 如果某个域存在却没有值可以设置为null
2. 表示某个域不存在,可以通过null进行匹配

Object类型 (值是一个文档)
* 当使用外层文档引用内部文档的时候可以用.的方法引用
* 在使用时需要加上引号

数组的下标引用

使用一个数组时,可以使用 .序列下标 的方式使用数组具体的某一项。同样需要使用引号

文档查找结果的有序性

可以通过[]取查找结果序列的某一项

索引

指的是建立指定键值及所在文档中存储位置的对照清单。使用索引可以方便我们进行快速查找,减少遍历次数,提高查找效率

mongo中如何创建索引

  • ensureIndex()
    功能:创建索引
    参数:索引类别,索引选项
  • db.class.ensureIndex({'name':1})
    *1表示为该域创建正向索引,-1表示逆向索引
    *_id 域会自动创建索引
  • 查看一个集合中的索引
    db.class.getIndexes()
  • 删除索引
    dropIndex()
    功能:删除索引
    参数:删除索引的名称
    dropIndexes()
    功能:删除所有索引

索引类型

复合索引

根据多个域创建一个索引
db.class.ensureIndex({name:1,age:-1})

数组索引

如果对某个数组域创建索引,那么表示对数组中的每个值均创建了索引,通过数组中单个值查询,也是索引查询

子文档索引

如果对一个域创建索引,值是一个文档则也会创建索引
如果对子文档某一个域进行索引创建,则只有通过子文档中的该域查找为索引查找
*e.g.
db.class.ensureIndex({'publication.publisher':1})

覆盖索引

查找时只获取索引项的内容,而不必去获取原数据中的其他内容,这样就不去连接原来的数据直接返回即可
*e.g. name为索引项,显示也只要name域
db.class.find({name:'Lily'},{_id:0,name:1})

唯一索引

创建索引时希望索引域的值均不相同,也可以据此限制一个域的值
e.g.
db.class.ensureIndex({name:1},{'unique':true})
*当对某个域创建了唯一索引后,即不允许再插入相同的值的文档

稀疏索引(间隙索引)

只针对有指定域的文档创建索引表,没有该域的文档,不会插入到索引表中
db.class.ensureIndex({name:1},{'sparse':true})

索引约束:

  1. 影响数据的插入,删除,修改操作。当数据发生改变时,索引表必须同步更新
  2. 索引也是需要占用一定的空间资源

综上:当数据库大量的操作是插入,修改,删除操作,而非查询操作时,不适合创建索引。数据量比较小时,考虑到空间成本也不适合创建索引。即使适合创建索引的情况,也不是索引越多越好。

聚合操作

多数据文档进行整理统计

db.collectionName.aggregate()
功能:聚合函数,配合聚合条件进行数据整理统计
参数:聚合条件

聚合操作符

$group 分组 和分组操作符配合使用确定按什么分组


分组操作符(和$group配合)

$sum 求和(参数代表累加)
db.class.aggregate({$group:{_id:'$sex',num:{$sum:1}}})(每组个数也就是有一个累加一个)
db.class.aggregate({$group:{_id:'$sex',num:{$sum:'$age'}}})(每组年龄和,年龄累加,同上)

$avg 求平均数(用法同上,求每组累加后的平均数)

$min 求最小值

$max 求最大值

$first 返回每组第一个文档指定域值

$last 返回每组最后一个文档指定域值


$project
用于修饰文档的显示结构

$match
过滤数据 操作符的值同find的query

$skip
跳过前几条文档

$limit
显示几条文档

$sort
排序

聚合管道

将前一个聚合操作的结果给下一个聚合操作继续执行
db.collectionName.aggregate([聚合1,聚合2,...])

深度学习是机器学习一个,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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