如何快速掌握Python,python怎么运作

  如何快速掌握Python,python怎么运作

  MongoDB是一个用C语言编写的非关系数据库,是一个基于分布式文件存储的开源数据库系统。本文主要介绍如何通过Python操作MongoDB,有需要的可以参考一下。

  00-1010前言1。准备2。连接MongoDB3。指定数据库4。指定集合5。插入数据6。查询7。第八项。排序9。偏移10。更新11。删除12。其他操作。

  

目录

  MongoDB是一个用C语言编写的非关系数据库,是一个基于分布式文件存储的开源数据库系统。其内容存储形式类似于JSON对象,字段值可以包含其他文档、数组和文档数组,非常灵活。在这一节,我们来看看Python 3下MongoDB的存储操作。

  

前言

  在开始之前,请确保已经安装了MongoDB并启动了它的服务,并且已经安装了Python的PyMongo库。

  

1. 准备工作

  连接MongoDB时,我们需要使用PyMongo库中的MongoClient。一般来说,可以传入MongoDB的IP和端口,其中第一个参数是地址主机,第二个参数是端口port(如果没有传入参数,默认为27017):

  导入pymongo

  client=pymongo。MongoClient(host=localhost ,port=27017)

  这样就可以创建MongoDB的连接对象了。

  另外,MongoClient的第一个参数host也可以直接传入mongodb的连接字符串,以MongoDB开头,例如:

  client=MongoClient( MongoDB ://localhost :27017/)

  这样也能达到同样的连接效果。

  

2. 连接MongoDB

  您可以在MongoDB中构建多个数据库。接下来,我们需要指定操作哪个数据库。这里我们以测试数据库为例。下一步是指定程序中要使用的数据库:

  db=客户端.测试

  在这里,调用客户端的test属性返回到测试数据库。当然,我们也可以这样指定:

  db=客户端[测试]

  这两种方式是等价的。

  

3. 指定数据库

  MongoDB的每个数据库都包含许多集合,类似于关系数据库中的表。

  接下来,您需要指定要操作的集合,在这里,您需要指定一个名为students的集合。与指定数据库类似,有两种方法可以指定集合:

  集合=db.students

  集合=db[学生]

  这样,我们就声明了一个集合对象。

  

4. 指定集合

  接下来,您可以插入数据。对于students集合,创建一条新的学生数据,以字典形式表示:

  学生={

  id: 20170101 ,

  姓名 : 约旦:

  年龄: 20,

  性别 : 男性

  }

  学生的学号、姓名、年龄和性别都在这里注明。接下来,您可以通过直接调用集合的insert()方法来插入数据。代码如下:

  result=collection.insert(学生)

  打印(结果)

  在蒙

  oDB中,每条数据其实都有一个_id属性来唯一标识。如果没有显式指明该属性,MongoDB会自动产生一个ObjectId类型的_id属性。insert()方法会在执行后返回_id值。

  运行结果如下:

  

5932a68615c2606814c91f3d

  

  当然,我们也可以同时插入多条数据,只需要以列表形式传递即可,示例如下:

  

student1 = {

   id: 20170101,

   name: Jordan,

   age: 20,

   gender: male

  }

  student2 = {

   id: 20170202,

   name: Mike,

   age: 21,

   gender: male

  }

  result = collection.insert([student1, student2])

  print(result)

  返回结果是对应的_id的集合:

  

[ObjectId('5932a80115c2606a59e8a048'), ObjectId('5932a80115c2606a59e8a049')]

  

  实际上,在PyMongo 3.x版本中,官方已经不推荐使用insert()方法了。当然,继续使用也没有什么问题。官方推荐使用insert_one()insert_many()方法来分别插入单条记录和多条记录,示例如下:

  

student = {

   id: 20170101,

   name: Jordan,

   age: 20,

   gender: male

  }

  result = collection.insert_one(student)

  print(result)

  print(result.inserted_id)

  运行结果如下:

  

<pymongo.results.InsertOneResult object at 0x10d68b558>
5932ab0f15c2606f0c1cf6c5

  

  与insert()方法不同,这次返回的是InsertOneResult对象,我们可以调用其inserted_id属性获取_id

  对于insert_many()方法,我们可以将数据以列表形式传递,示例如下:

  

student1 = {

   id: 20170101,

   name: Jordan,

   age: 20,

   gender: male

  }

  student2 = {

   id: 20170202,

   name: Mike,

   age: 21,

   gender: male

  }

  result = collection.insert_many([student1, student2])

  print(result)

  print(result.inserted_ids)

  运行结果如下:

  

<pymongo.results.InsertManyResult object at 0x101dea558>
[ObjectId('5932abf415c2607083d3b2ac'), ObjectId('5932abf415c2607083d3b2ad')]

  

  该方法返回的类型是InsertManyResult,调用inserted_ids属性可以获取插入数据的_id列表。

  

  

6. 查询

  插入数据后,我们可以利用find_one()find()方法进行查询,其中find_one()查询得到的是单个结果,find()则返回一个生成器对象。示例如下:

  

result = collection.find_one({name: Mike})

  print(type(result))

  print(result)

  这里我们查询nameMike的数据,它的返回结果是字典类型,运行结果如下:

  

<class dict>

  {_id: ObjectId(5932a80115c2606a59e8a049), id: 20170202, name: Mike, age: 21, gender: male}

  可以发现,它多了_id属性,这就是MongoDB在插入过程中自动添加的。

  此外,我们也可以根据ObjectId来查询,此时需要使用bson库里面的objectid

  

from bson.objectid import ObjectId

  result = collection.find_one({_id: ObjectId(593278c115c2602667ec6bae)})

  print(result)

  其查询结果依然是字典类型,具体如下:

  

{_id: ObjectId(593278c115c2602667ec6bae), id: 20170101, name: Jordan, age: 20, gender: male}

  当然,如果查询结果不存在,则会返回None

  对于多条数据的查询,我们可以使用find()方法。例如,这里查找年龄为20的数据,示例如下:

  

results = collection.find({age: 20})

  print(results)

  for result in results:

   print(result)

  运行结果如下:

  

<pymongo.cursor.Cursor object at 0x1032d5128>

  {_id: ObjectId(593278c115c2602667ec6bae), id: 20170101, name: Jordan, age: 20, gender: male}

  {_id: ObjectId(593278c815c2602678bb2b8d), id: 20170102, name: Kevin, age: 20, gender: male}

  {_id: ObjectId(593278d815c260269d7645a8), id: 20170103, name: Harden, age: 20, gender: male}

  返回结果是Cursor类型,它相当于一个生成器,我们需要遍历取到所有的结果,其中每个结果都是字典类型。

  如果要查询年龄大于20的数据,则写法如下:

  

results = collection.find({age: {$gt: 20}})

  这里查询的条件键值已经不是单纯的数字了,而是一个字典,其键名为比较符号$gt,意思是大于,键值为20。

  这里将比较符号归纳为下表。

  符号含义示例$lt小于{'age': {'$lt': 20}}$gt大于{'age': {'$gt': 20}}$lte小于等于{'age': {'$lte': 20}}$gte大于等于{'age': {'$gte': 20}}$ne不等于{'age': {'$ne': 20}}$in在范围内{'age': {'$in': [20, 23]}}$nin不在范围内{'age': {'$nin': [20, 23]}}

  另外,还可以进行正则匹配查询。例如,查询名字以M开头的学生数据,示例如下:

  

results = collection.find({name: {$regex: ^M.*}})

  这里使用$regex来指定正则匹配,^M.*代表以M开头的正则表达式。

  这里将一些功能符号再归类为下表。

  符号含义示例示例含义$regex匹配正则表达式{'name': {'$regex': '^M.*'}}name以M开头$exists属性是否存在{'name': {'$exists': True}}name属性存在$type类型判断{'age': {'$type': 'int'}}age的类型为int$mod数字模操作{'age': {'$mod': [5, 0]}}年龄模5余0$text文本查询{'$text': {'$search': 'Mike'}}text类型的属性中包含Mike字符串$where高级条件查询{'$where': 'obj.fans_count == obj.follows_count'}自身粉丝数等于关注数

  

  

7. 计数

  要统计查询结果有多少条数据,可以调用count()方法。比如,统计所有数据条数:

  

count = collection.find().count()

  print(count)

  或者统计符合某个条件的数据:

  

count = collection.find({age: 20}).count()

  print(count)

  运行结果是一个数值,即符合条件的数据条数。

  

  

8. 排序

  排序时,直接调用sort()方法,并在其中传入排序的字段及升降序标志即可。示例如下:

  

results = collection.find().sort(name, pymongo.ASCENDING)

  print([result[name] for result in results])

  运行结果如下:

  

['Harden', 'Jordan', 'Kevin', 'Mark', 'Mike']

  

  这里我们调用pymongo.ASCENDING指定升序。如果要降序排列,可以传入pymongo.DESCENDING

  

  

9. 偏移

  在某些情况下,我们可能想只取某几个元素,这时可以利用skip()方法偏移几个位置,比如偏移2,就忽略前两个元素,得到第三个及以后的元素:

  

results = collection.find().sort(name, pymongo.ASCENDING).skip(2)

  print([result[name] for result in results])

  运行结果如下:

  

['Kevin', 'Mark', 'Mike']

  

  另外,还可以用limit()方法指定要取的结果个数,示例如下:

  

results = collection.find().sort(name, pymongo.ASCENDING).skip(2).limit(2)

  print([result[name] for result in results])

  运行结果如下:

  

['Kevin', 'Mark']

  

  如果不使用limit()方法,原本会返回三个结果,加了限制后,会截取两个结果返回。

  值得注意的是,在数据库数量非常庞大的时候,如千万、亿级别,最好不要使用大的偏移量来查询数据,因为这样很可能导致内存溢出。此时可以使用类似如下操作来查询:

  

from bson.objectid import ObjectId

  collection.find({_id: {$gt: ObjectId(593278c815c2602678bb2b8d)}})

  这时需要记录好上次查询的_id

  

  

10. 更新

  对于数据更新,我们可以使用update()方法,指定更新的条件和更新后的数据即可。例如:

  

condition = {name: Kevin}

  student = collection.find_one(condition)

  student[age] = 25

  result = collection.update(condition, student)

  print(result)

  这里我们要更新nameKevin的数据的年龄:首先指定查询条件,然后将数据查询出来,修改年龄后调用update()方法将原条件和修改后的数据传入。

  运行结果如下:

  

{ok: 1, nModified: 1, n: 1, updatedExisting: True}

  返回结果是字典形式,ok代表执行成功,nModified代表影响的数据条数。

  另外,我们也可以使用$set操作符对数据进行更新,代码如下:

  

result = collection.update(condition, {$set: student})

  这样可以只更新student字典内存在的字段。如果原先还有其他字段,则不会更新,也不会删除。而如果不用$set的话,则会把之前的数据全部用student字典替换;如果原本存在其他字段,则会被删除。

  另外,update()方法其实也是官方不推荐使用的方法。这里也分为update_one()方法和update_many()方法,用法更加严格,它们的第二个参数需要使用$类型操作符作为字典的键名,示例如下:

  

condition = {name: Kevin}

  student = collection.find_one(condition)

  student[age] = 26

  result = collection.update_one(condition, {$set: student})

  print(result)

  print(result.matched_count, result.modified_count)

  这里调用了update_one()方法,第二个参数不能再直接传入修改后的字典,而是需要使用{'$set': student}这样的形式,其返回结果是UpdateResult类型。然后分别调用matched_countmodified_count属性,可以获得匹配的数据条数和影响的数据条数。

  运行结果如下:

  

<pymongo.results.UpdateResult object at 0x10d17b678>

  1 0

  我们再看一个例子:

  

condition = {age: {$gt: 20}}

  result = collection.update_one(condition, {$inc: {age: 1}})

  print(result)

  print(result.matched_count, result.modified_count)

  这里指定查询条件为年龄大于20,然后更新条件为{'$inc': {'age': 1}},也就是年龄加1,执行之后会将第一条符合条件的数据年龄加1。

  运行结果如下:

  

<pymongo.results.UpdateResult object at 0x10b8874c8>

  1 1

  可以看到匹配条数为1条,影响条数也为1条。

  如果调用update_many()方法,则会将所有符合条件的数据都更新,示例如下:

  

condition = {age: {$gt: 20}}

  result = collection.update_many(condition, {$inc: {age: 1}})

  print(result)

  print(result.matched_count, result.modified_count)

  这时匹配条数就不再为1条了,运行结果如下:

  

<pymongo.results.UpdateResult object at 0x10c6384c8>

  3 3

  可以看到,这时所有匹配到的数据都会被更新。

  

  

11. 删除

  删除操作比较简单,直接调用remove()方法指定删除的条件即可,此时符合条件的所有数据均会被删除。示例如下:

  

result = collection.remove({name: Kevin})

  print(result)

  运行结果如下:

  

{ok: 1, n: 1}

  另外,这里依然存在两个新的推荐方法——delete_one()delete_many()。示例如下:

  

result = collection.delete_one({name: Kevin})

  print(result)

  print(result.deleted_count)

  result = collection.delete_many({age: {$lt: 25}})

  print(result.deleted_count)

  运行结果如下:

  

<pymongo.results.DeleteResult object at 0x10e6ba4c8>

  1

  4

  delete_one()即删除第一条符合条件的数据,delete_many()即删除所有符合条件的数据。它们的返回结果都是DeleteResult类型,可以调用deleted_count属性获取删除的数据条数。

  

  

12. 其他操作

  另外,PyMongo还提供了一些组合方法,如find_one_and_delete()find_one_and_replace()find_one_and_update(),它们是查找后删除、替换和更新操作,其用法与上述方法基本一致。

  另外,还可以对索引进行操作,相关方法有create_index()create_indexes()drop_index()等。

  到此这篇关于深入了解Python如何操作MongoDB的文章就介绍到这了,更多相关Python操作MongoDB内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: