在MongoDB中常用的聚合操作有 aggregation、map/reduce和group 。 首先先添加一些测试数据： db.things.insert({"x": 1, "tags": ["dog", "cat"]})db.things.insert({"x": 2, "tags": ["cat"]})db.things.insert({"x": 2, "tags": ["mouse", "cat", "dog"]})

在MongoDB中常用的聚合操作有 aggregation、map/reduce和group 。

首先先添加一些测试数据：

db.things.insert({"x": 1, "tags": ["dog", "cat"]})
db.things.insert({"x": 2, "tags": ["cat"]})
db.things.insert({"x": 2, "tags": ["mouse", "cat", "dog"]})
db.things.insert({"x": 3, "tags": []})

aggregation

以下例子是统计 tags 字段内的各个值的出现的次数。

from bson.son import SON
db.things.aggregate([
 {"$unwind": "$tags"},
 {"$group": {"_id": "$tags", "count": {"$sum": 1}}},
 {"$sort": SON([("count", -1), ("_id", -1)])}
])
{'ok': 1.0, 'result': [{'count': 3, '_id': 'cat'}, {'count': 2, '_id': 'dog'}, {'count': 1, '_id': 'mouse'}]}

注意：aggregate操作要求服务器程序为 2.1.0 以上的版本。PyMongo 驱动程序为 2.3 以上的版本。

Map/Reduce

上面的操作同样也可以使用 Map/Reduce 完成。

from bson.code import Code
mapper = Code("""
 function () {
 this.tags.forEach(function(z) {
 emit(z, 1);
 });
 }
""")
reducer = Code("""
 function (key, values) {
 var total = 0;
 for (var i = 0; i < values.length; i++) {
 total += values[i];
 }
 return total;
 }
""")
result = db.things.map_reduce(mapper, reducer, "myresults")
for doc in result.find():
 print(doc)
{u'_id': u'cat', u'value': 3.0}
{u'_id': u'dog', u'value': 2.0}
{u'_id': u'mouse', u'value': 1.0}

map和reduce都是一个javascript的函数； map_reduce 方法会将统计结果保存到一个临时的数据集合中。

Group

group 操作与SQL的 GROUP BY 相似，同时比 Map/Reduce 要简单。

reducer = Code("""
 function(obj, prev){
 prev.count++;
 }
""")
results = db.things.group(key={"x":1}, condition={}, initial={"count": 0}, reduce=reducer)
for doc in results:
 print(doc)
{'x': 1.0, 'count': 1.0}
{'x': 2.0, 'count': 2.0}
{'x': 3.0, 'count': 1.0}

注意：在MongoDB的集群环境中不支持 group 操作，可以使用 aggregation 或者 map/reduce 代替。

完整的MongoDB聚合文档： http://docs.mongodb.org/manual/aggregation/

原文地址：pymongo教程(2)——聚合操作, 感谢原作者分享。