MongoDB的安装
MongoDB的安装就不在这里赘述了,大家可以去官网下载安装,Windows的用户,推荐使用Windows10和64位操作系统,32位的似乎不怎么支持了,32位的可以下载,但是下载下来了,体验也十分不好。
下载官网:https://docs.mongodb.com/manual/installation/(三大平台的都有,自己下载安装即可)
![b14df9210de96a19c79c782f2e367317.png](https://i-blog.csdnimg.cn/blog_migrate/b752fccfb06649c77b0fe009ab293d85.jpeg)
Mongodb官网下载视图
安装 PyMongo模块
$ sudo pip install pymongo
创建MongoDB 数据库
mongo工具是MongoDB的交互式JavaScript Shell界面,它为系统管理员提供了一个界面,并为开发人员提供了一种直接通过数据库测试查询和操作的方法。
$ mongo testdbMongoDB shell version: 2.6.10connecting to: testdb> show dbsadmin (empty)local 0.078GBtest 0.078GBtestdb 0.078GB
好了,我们创建一个testdb数据库。
PyMongo 中创建collection集合
在第一个示例中,我们创建一个新集合。 MongoDB将文档存储在集合中。 集合类似于关系数据库中的表。
新建一个create_collection.py文件,如下:
from pymongo import MongoClientcars = [ {'name': 'Audi', 'price': 52642}, {'name': 'Mercedes', 'price': 57127}, {'name': 'Skoda', 'price': 9000}, {'name': 'Volvo', 'price': 29000}, {'name': 'Bentley', 'price': 350000}, {'name': 'Citroen', 'price': 21000}, {'name': 'Hummer', 'price': 41400}, {'name': 'Volkswagen', 'price': 21600} ]client = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb db.cars.insert_many(cars)
该示例创建一个新的cars collection集合,它包含八个文档。
cars = [ {'name': 'Audi', 'price': 52642}, {'name': 'Mercedes', 'price': 57127}, {'name': 'Skoda', 'price': 9000}, {'name': 'Volvo', 'price': 29000}, {'name': 'Bentley', 'price': 350000}, {'name': 'Citroen', 'price': 21000}, {'name': 'Hummer', 'price': 41400}, {'name': 'Volkswagen', 'price': 21600} ]
该Python词典存储了八个要插入到MongoDB集合中的记录。
client = MongoClient('mongodb://localhost:27017/')
MongoClient用于与MongoDB通信。 我们向MongoClient传递主机名和端口号。
db = client.testdb
我们获得了对testdb数据库的引用.
db.cars.insert_many(cars)
使用insert_many()方法,我们将八个文档插入到 cars collection,中,该集合也将自动创建。
> db.cars.find(){ "_id" : ObjectId("5b41eb21b9c5d915989d48a8"), "price" : 52642, "name" : "Audi" }{ "_id" : ObjectId("5b41eb21b9c5d915989d48a9"), "price" : 57127, "name" : "Mercedes" }{ "_id" : ObjectId("5b41eb21b9c5d915989d48aa"), "price" : 9000, "name" : "Skoda" }{ "_id" : ObjectId("5b41eb21b9c5d915989d48ab"), "price" : 29000, "name" : "Volvo" }{ "_id" : ObjectId("5b41eb21b9c5d915989d48ac"), "price" : 350000, "name" : "Bentley" }{ "_id" : ObjectId("5b41eb21b9c5d915989d48ad"), "price" : 21000, "name" : "Citroen" }{ "_id" : ObjectId("5b41eb21b9c5d915989d48ae"), "price" : 41400, "name" : "Hummer" }{ "_id" : ObjectId("5b41eb21b9c5d915989d48af"), "price" : 21600, "name" : "Volkswagen" }
我们使用mongo工具验证数据。
PyMongo列表集合
通过collection_names(),我们可以获得数据库中可用的列表,新建一个list_collections.py文件:
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb print(db.collection_names())
该示例在testdb数据库中打印集合。
PyMongo 删除集合.
drop()方法从数据库中删除一个集合。
新建一个drop_collection.py文件;
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb db.cars.drop()
上面的示例从testdb数据库中删除cars集合。
PyMongo中的运行命令
我们可以使用command()向MongoDB发出命令。 服务器状态命令返回MongoDB服务器的状态。
新建一个server_status.py文件;
from pymongo import MongoClientfrom pprint import pprintclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb status = db.command("serverStatus") pprint(status)
dbstats命令返回反映单个数据库使用状态的统计信息。
from pymongo import MongoClientfrom pprint import pprintclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb print(db.collection_names()) status = db.command("dbstats") pprint(status)
该示例显示testdb的数据库统计信息。
PyMongo光标
find方法返回一个PyMongo游标,该游标是对查询结果集的引用。
新建一个cursor.py文件,如下:
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb cars = db.cars.find() print(cars.next()) print(cars.next()) print(cars.next()) cars.rewind() print(cars.next()) print(cars.next()) print(cars.next()) print(list(cars))
PyMongo读取所有数据
在下面的示例中,我们从集合中读取所有记录。 我们使用Python for循环遍历返回的游标。新建一个all_cars.py文件;
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb cars = db.cars.find() for car in cars: print('{0} {1}'.format(car['name'], car['price']))
使用Python for循环,我们遍历结果集,结果如下;
Audi 52642Mercedes 57127Skoda 9000Volvo 29000Bentley 350000Citroen 21000Hummer 41400Volkswagen 21600
PyMongo中的文件计数
使用count()方法检索文档数,新建一个count_cars.py文件;
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb n_cars = db.cars.find().count() print("There are {} cars".format(n_cars))
运行结果如下:
There are 8 cars
PyMongo过滤器
find()和find_one()的第一个参数是一个过滤器。 筛选器是所有文档必须匹配的条件。
新建filtering.py文件;
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb expensive_cars = db.cars.find({'price': {'$gt': 50000}}) for ecar in expensive_cars: print(ecar['name'])
该示例打印价格大于50000的汽车的名称。
expensive_cars = db.cars.find({'price': {'$gt': 50000}})
find()方法的第一个参数是所有返回的记录必须匹配的过滤器。 过滤器使用$ gt运算符仅返回昂贵的汽车。
运行结果为:
AudiMercedesBentley
PyMongo投影
通过投影,我们可以从返回的文档中选择特定字段。 投影在find()方法的第二个参数中传递。
新建一个projection.py文件;
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb cars = db.cars.find({}, {'_id': 1, 'name':1}) for car in cars: print(car)
该示例打印文档的_id和name字段。
cars = db.cars.find({}, {'_id': 1, 'name':1})
输出结果如下:
{'name': 'Audi', '_id': ObjectId('5b41eb21b9c5d915989d48a8')}{'name': 'Mercedes', '_id': ObjectId('5b41eb21b9c5d915989d48a9')}{'name': 'Skoda', '_id': ObjectId('5b41eb21b9c5d915989d48aa')}{'name': 'Volvo', '_id': ObjectId('5b41eb21b9c5d915989d48ab')}{'name': 'Bentley', '_id': ObjectId('5b41eb21b9c5d915989d48ac')}{'name': 'Citroen', '_id': ObjectId('5b41eb21b9c5d915989d48ad')}{'name': 'Hummer', '_id': ObjectId('5b41eb21b9c5d915989d48ae')}{'name': 'Volkswagen', '_id': ObjectId('5b41eb21b9c5d915989d48af')}
PyMongo中的文件排序
我们可以使用sort()对文档进行排序。
新建一个sorting.py文件;
from pymongo import MongoClient, DESCENDINGclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb cars = db.cars.find().sort("price", DESCENDING) for car in cars: print('{0} {1}'.format(car['name'], car['price']))
该示例按价格降序对记录进行排序。
Bentley 350000Mercedes 57127Audi 52642Hummer 41400Volvo 29000Volkswagen 21600Citroen 21000Skoda 9000
PyMongo聚合
聚合计算集合中数据的聚合值。
新建一个aggregate_sum.py文件;
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb agr = [ {'$group': {'_id': 1, 'all': { '$sum': '$price' } } } ] val = list(db.cars.aggregate(agr)) print('The sum of prices is {}'.format(val[0]['all']))
该示例计算所有汽车价格的总和。
agr = [ {'$group': {'_id': 1, 'all': { '$sum': '$price' } } } ]
$ sum运算符计算并返回数值的总和。 $ group运算符通过指定的标识符表达式对输入文档进行分组,并将累加器表达式(如果指定)应用于每个组。
val = list(db.cars.aggregate(agr))
Aggregate()方法将聚合操作应用于cars集合。
输出结果如下:
The sum of prices is 581769
我们可以用$ match运算符来选择要汇总的特定汽车。
新建一个sum_two_cars.py文件;
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb agr = [{ '$match': {'$or': [ { 'name': "Audi" }, { 'name': "Volvo" }] }}, { '$group': {'_id': 1, 'sum2cars': { '$sum': "$price" } }}] val = list(db.cars.aggregate(agr)) print('The sum of prices of two cars is {}'.format(val[0]['sum2cars']))
该示例计算奥迪和沃尔沃汽车的价格总和。
agr = [{ '$match': {'$or': [ { 'name': "Audi" }, { 'name': "Volvo" }] }}, { '$group': {'_id': 1, 'sum2cars': { '$sum': "$price" } }}]
该表达式使用$ match,$ or,$ group和$ sum运算符执行任务。
输出结果如下:
两辆车的总价是81642。
The sum of prices of two cars is 81642
PyMongo限制数据输出
limit查询选项指定要返回的文档数,而skip()选项指定某些文档。
新建limit_documents.py文件;
from pymongo import MongoClientclient = MongoClient('mongodb://localhost:27017/')with client: db = client.testdb cars = db.cars.find().skip(2).limit(3) for car in cars: print('{0}: {1}'.format(car['name'], car['price']))
该示例从cars集合中读取,跳过前两个文档,并将输出限制为三个文档。
cars = db.cars.find().skip(2).limit(3)
注意:skip(2).limit(3)的位置可以互相调换,不影响输出结果,不妨尝试一下.
skip()方法跳过前两个文档,而limit()方法将输出限制为三个文档,输出结果为:
Skoda: 9000Volvo: 29000Bentley: 350000
在PyMongo教程中,我们使用了MongoDB和Python。
希望对大家有用,欢迎一起交流学习,探讨,如果有错误,希望大家勘误.