热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

Python数据库骚操作—MongoDB

Python数据库骚操作—MongoDB:增#增加一条记录person{‘name‘:‘zone‘,‘sex‘:‘bo

# 增加一条记录 person = {‘name‘: ‘zone‘,‘sex‘:‘boy‘} person_id = test.insert_one(person).inserted_id print(person_id)

# 批量插入 persons = [{‘name‘: ‘zone‘, ‘sex‘: ‘boy‘}, {‘name‘: ‘zone1‘, ‘sex‘: ‘boy1‘}] result = test.insert_many(persons) print(result.inserted_ids)

# 删除单条记录 result1 = test.delete_one({‘name‘: ‘zone‘}) pprint.pprint(result1)

# 批量删除 result1 = test.delete_many({‘name‘: ‘zone‘}) pprint.pprint(result1)

# 更新单条记录 res = test.update_one({‘name‘: ‘zone‘}, {‘$set‘: {‘sex‘: ‘girl girl‘}}) print(res.matched_count)

# 更新多条记录 test.update_many({‘name‘: ‘zone‘}, {‘$set‘: {‘sex‘: ‘girl girl‘}})

# 查找多条记录 pprint.pprint(test.find()) # 添加查找条件 pprint.pprint(test.find({"sex": "boy"}).sort("name"))

聚合

如果你是我的老读者,那么你肯定知道我之前的骚操作,就是用爬虫爬去数据之后,用聚合统计结合可视化图表进行数据展示。

aggs = [     {"$match": {"$or" : [{"field1": {"$regex": "regex_str"}}, {"field2": {"$regex": "regex_str"}}]}}, # 正则匹配字段     {"$project": {"field3":1, "field4":1}},# 筛选字段      {"$group": {"_id": {"field3": "$field3", "field4":"$field4"}, "count": {"$sum": 1}}}, # 聚合操作 ] result = test.aggregate(pipeline=aggs)

例子:以分组的方式统计 sex 这个关键词出现的次数,说白了就是统计有多少个男性,多少个女性。

test.aggregate([{‘$group‘: {‘_id‘: ‘$sex‘, ‘weight‘: {‘$sum‘: 1}}}])

聚合效果图:(秋招季,用Python分析深圳程序员工资有多高?
)文章配图)

Python 工年限要求技术分享图片Python 学历要求

Motor(异步)

Motor 是一个异步实现的 MongoDB 存储库 Motor 与 Pymongo 的配置基本类似。连接对象就由 MongoClient 变为 AsyncIOMotorClient 了。下面进行详细介绍一下。

连接

# 普通连接 client = motor.motor_asyncio.AsyncIOMotorClient(‘mongodb://localhost:27017‘) # 副本集连接 client = motor.motor_asyncio.AsyncIOMotorClient(‘mongodb://host1,host2/?replicaSet=my-replicaset-name‘) # 密码连接 client = motor.motor_asyncio.AsyncIOMotorClient(‘mongodb://username:password@localhost:27017/dbname‘) # 获取数据库 db = client.zfdb # db = client[‘zfdb‘] # 获取 collection collection = db.test # collection = db[‘test‘]

增加一条记录

添加一条记录。

async def do_insert():      document = {‘name‘: ‘zone‘,‘sex‘:‘boy‘}      result = await db.test_collection.insert_one(document)      print(‘result %s‘ % repr(result.inserted_id)) loop = asyncio.get_event_loop() loop.run_until_complete(do_insert())

技术分享图片增加一条记录

批量增加记录

添加结果如图所暗示。

async def do_insert():     result = await db.test_collection.insert_many(         [{‘name‘: i, ‘sex‘: str(+ 2)} for i in range(20)])     print(‘inserted %d docs‘ % (len(result.inserted_ids),)) loop = asyncio.get_event_loop() loop.run_until_complete(do_insert())

技术分享图片批量增加记录

查找一条记录

async def do_find_one():     document = await db.test_collection.find_one({‘name‘: ‘zone‘})     pprint.pprint(document) loop = asyncio.get_event_loop() loop.run_until_complete(do_find_one())

技术分享图片查找一条记录

查找多条记录

查找记录可以添加筛选条件。

async def do_find():     cursor = db.test_collection.find({‘name‘: {‘$lt‘: 5}}).sort(‘i‘)     for document in await cursor.to_list(length=100):         pprint.pprint(document) loop = asyncio.get_event_loop() loop.run_until_complete(do_find()) # 添加筛选条件,排序、跳过、限制返回结果数 async def do_find():     cursor = db.test_collection.find({‘name‘: {‘$lt‘: 4}})     # Modify the query before iterating     cursor.sort(‘name‘, -1).skip(1).limit(2)     async for document in cursor:         pprint.pprint(document) loop = asyncio.get_event_loop() loop.run_until_complete(do_find())

技术分享图片查找多条记录

统计

async def do_count():     n = await db.test_collection.count_documents({})     print(‘%s documents in collection‘ % n)     n = await db.test_collection.count_documents({‘name‘: {‘$gt‘: 1000}})     print(‘%s documents where i > 1000‘ % n) loop = asyncio.get_event_loop() loop.run_until_complete(do_count())

技术分享图片统计

替换

替换则是将除 id 以外的其他内容全部替换掉。

async def do_replace():     coll = db.test_collection     old_document = await coll.find_one({‘name‘: ‘zone‘})     print(‘found document: %s‘ % pprint.pformat(old_document))     _id = old_document[‘_id‘]     result = await coll.replace_one({‘_id‘: _id}, {‘sex‘: ‘hanson boy‘})     print(‘replaced %s document‘ % result.modified_count)     new_document = await coll.find_one({‘_id‘: _id})     print(‘document is now %s‘ % pprint.pformat(new_document)) loop = asyncio.get_event_loop() loop.run_until_complete(do_replace())

技术分享图片替换

更新

更新指定字段,不会影响到其他内容。

async def do_update():     coll = db.test_collection     result = await coll.update_one({‘name‘: 0}, {‘$set‘: {‘sex‘: ‘girl‘}})     print(‘更新条数: %s ‘ % result.modified_count)     new_document = await coll.find_one({‘name‘: 0})     print(‘更新结果为: %s‘ % pprint.pformat(new_document)) loop = asyncio.get_event_loop() loop.run_until_complete(do_update())

技术分享图片更新

删除

删除指定记录。

async def do_delete_many():     coll = db.test_collection     n = await coll.count_documents({})     print(‘删除前有 %s 条数据‘ % n)     result = await db.test_collection.delete_many({‘name‘: {‘$gte‘: 10}})     print(‘删除后 %s ‘ % (await coll.count_documents({}))) loop = asyncio.get_event_loop() loop.run_until_complete(do_delete_many())

 

后记

后台回复「MongoDB」获取源码。MongoDB 的骚操作就介绍到这里,后面会继续写 MySQL 和 Redis 的骚操作,你也可以留言告诉我你想看的知识点,我会抽时间看看,尽可能写一篇。尽请期待。

Python 数据库骚操作 — MongoDB


推荐阅读
  • 怎么用Python来统计知识星球打卡作业
    本篇内容主要讲解“怎么用Python来统计知识星球打卡作业”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大 ... [详细]
  • Python正则表达式详解:掌握数量词用法轻松上手
    Python正则表达式详解:掌握数量词用法轻松上手 ... [详细]
  • Python爬虫使用MongoDB 提示No connection adapters were found for如何解决? ... [详细]
  • 优化后的标题:校园互联新方案:10397连接教育未来 ... [详细]
  • Android目录遍历工具 | AppCrawler自动化测试进阶(第二部分):个性化配置详解
    终于迎来了“足不出户也能为社会贡献力量”的时刻,但有追求的测试工程师绝不会让自己的生活变得乏味。与其在家消磨时光,不如利用这段时间深入研究和提升自己的技术能力,特别是对AppCrawler自动化测试工具的个性化配置进行详细探索。这不仅能够提高测试效率,还能为项目带来更多的价值。 ... [详细]
  • Python 数据分析领域不仅拥有高质量的开发环境,还提供了众多功能强大的第三方库。本文将介绍六个关键步骤,帮助读者掌握 Python 数据分析的核心技能,并深入探讨六款虽不广为人知但却极具潜力的数据处理库,如 Pandas 的替代品和新兴的可视化工具,助力数据科学家和分析师提升工作效率。 ... [详细]
  • 在Windows命令行中,通过Conda工具可以高效地管理和操作虚拟环境。具体步骤包括:1. 列出现有虚拟环境:`conda env list`;2. 创建新虚拟环境:`conda create --name 环境名`;3. 删除虚拟环境:`conda env remove --name 环境名`。这些命令不仅简化了环境管理流程,还提高了开发效率。此外,Conda还支持环境文件导出和导入,方便在不同机器间迁移配置。 ... [详细]
  • 本文深入探讨了Java枚举类型的使用与实践,详细解析了枚举的基本用法及其在实际开发中的应用。首先介绍了枚举作为常量的替代方案,自JDK 1.5起,通过枚举可以更加简洁、安全地定义常量,避免了传统方式中可能出现的错误。此外,文章还探讨了枚举在实现单例模式、状态机等场景中的优势,并提供了多个实际案例,帮助开发者更好地理解和运用这一强大的语言特性。 ... [详细]
  • Python作为一门高级编程语言,在全球脚本语言排名中长期位居前列,广泛应用于多个领域。当前,Python开发人才市场需求旺盛,而专业人才供给相对不足,这使得相关培训课程备受关注。本课程旨在全面培养Python技能,满足行业需求。 ... [详细]
  • 如何提升Python处理约1GB数据集时的运行效率?
    如何提升Python处理约1GB数据集时的运行效率?本文探讨了在后端开发中使用Python处理大规模数据集的优化方法。通过分析常见的性能瓶颈,介绍了多种提高数据处理速度的技术,包括使用高效的数据结构、并行计算、内存管理和代码优化策略。此外,文章还提供了在Ubuntu环境下配置和测试这些优化方案的具体步骤,适用于从事推荐系统等领域的开发者。 ... [详细]
  • 运用Isotonic回归算法解决鸢尾花数据集中的回归挑战
    本文探讨了利用Isotonic回归算法解决鸢尾花数据集中的回归问题。首先介绍了Isotonic回归的基本原理及其在保持单调性方面的优势,并通过具体示例说明其应用方法。随后详细描述了鸢尾花数据集的特征和获取途径,最后展示了如何将Isotonic回归应用于该数据集,以实现更准确的预测结果。 ... [详细]
  • 利用Jenkins与SonarQube集成实现高效代码质量检测与优化
    本文探讨了通过在 Jenkins 多分支流水线中集成 SonarQube,实现高效且自动化的代码质量检测与优化方法。该方案不仅提高了开发团队的代码审查效率,还确保了软件项目的持续高质量交付。 ... [详细]
  • 本文详细介绍了在Windows操作系统上使用Python 3.8.5编译支持CUDA 11和cuDNN 8.0.2的TensorFlow 2.3的步骤。文章不仅提供了详细的编译指南,还分享了编译后的文件下载链接,方便用户快速获取所需资源。此外,文中还涵盖了常见的编译问题及其解决方案,确保用户能够顺利进行编译和安装。 ... [详细]
  • 背景最近项目中用到了mongodb,并且用python的pymongo包操作。本文就把目前遇到的问题和学习经历做个小结,方便日后查询。Mongodb启动安装mongodbhttp ... [详细]
  • 如何用Python在MongoDB中导入JSON文件? ... [详细]
author-avatar
绿色好心情
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有