Python操作MongoDB看这一篇就够了
MongoDB是由C++语言编写的非关系型数据库,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JSON对象,它的字段值可以包含其他文档、数组及文档数组,非常灵活。在这一节中,我们就来看看Python 3下MongoDB的存储操作。
1. 准备工作
在开始之前,请确保已经安装好了MongoDB并启动了其服务,并且安装好了Python的PyMongo库。
2. 连接MongoDB
连接MongoDB时,我们需要使用PyMongo库里面的MongoClient
。一般来说,传入MongoDB的IP及端口即可,其中第一个参数为地址host
,第二个参数为端口port
(如果不给它传递参数,默认是27017):
import pymongo client = pymongo.MongoClient(host='localhost', port=27017)复制代码
这样就可以创建MongoDB的连接对象了。
另外,MongoClient
的第一个参数host
还可以直接传入MongoDB的连接字符串,它以mongodb
开头,例如:
client = MongoClient('mongodb://localhost:27017/')复制代码
这也可以达到同样的连接效果。
3. 指定数据库
MongoDB中可以建立多个数据库,接下来我们需要指定操作哪个数据库。这里我们以test数据库为例来说明,下一步需要在程序中指定要使用的数据库:
db = client.test复制代码
这里调用client
的test
属性即可返回test数据库。当然,我们也可以这样指定:
db = client['test']复制代码
这两种方式是等价的。
4. 指定集合
MongoDB的每个数据库又包含许多集合(collection),它们类似于关系型数据库中的表。
下一步需要指定要操作的集合,这里指定一个集合名称为students。与指定数据库类似,指定集合也有两种方式:
collection = db.students复制代码collection = db['students']复制代码
这样我们便声明了一个Collection
对象。
5. 插入数据
接下来,便可以插入数据了。对于students这个集合,新建一条学生数据,这条数据以字典形式表示:
student = { 'id': '20170101', 'name': 'Jordan', 'age': 20, 'gender': 'male' }复制代码
这里指定了学生的学号、姓名、年龄和性别。接下来,直接调用collection
的insert()
方法即可插入数据,代码如下:
result = collection.insert(student)
print(result)复制代码
在MongoDB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复制代码
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)复制代码
返回结果是对应的_id
的集合:
[ObjectId('5932a80115c2606a59e8a048'),
ObjectId('5932a80115c2606a59e8a049')]复制代码
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()
和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)复制代码
运行结果如下:
<pymongo.results.InsertOneResult
object
at
0x10d68b558>
5932ab0f15c2606f0c1cf6c5复制代码
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)复制代码
运行结果如下:
<pymongo.results.InsertManyResult object at 0x101dea558> [ObjectId('5932abf415c2607083d3b2ac'),
ObjectId('5932abf415c2607083d3b2ad')]复制代码
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()
或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)复制代码
这里我们查询name
为Mike
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'}复制代码
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)复制代码
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'}复制代码
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)复制代码
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'}复制代码
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': {'$gt': 20}})复制代码
这里查询的条件键值已经不是单纯的数字了,而是一个字典,其键名为比较符号$gt
,意思是大于,键值为20。
这里将比较符号归纳为下表。
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': {'$regex': '^M.*'}})复制代码
这里使用$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。
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)复制代码
或者统计符合某个条件的数据:
count = collection.find({'age':
20}).count()
print(count)复制代码
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])复制代码
运行结果如下:
['Harden',
'Jordan',
'Kevin',
'Mark',
'Mike']复制代码
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])复制代码
运行结果如下:
['Kevin',
'Mark',
'Mike']复制代码
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])复制代码
运行结果如下:
['Kevin',
'Mark']复制代码
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':
{'$gt':
ObjectId('593278c815c2602678bb2b8d')}})复制代码
这时需要记录好上次查询的_id
。
10. 更新
对于数据更新,我们可以使用update()
方法,指定更新的条件和更新后的数据即可。例如:
condition = {'name': 'Kevin'} student = collection.find_one(condition) student['age'] = 25 result = collection.update(condition, student) print(result)复制代码
这里我们要更新name
为Kevin
的数据的年龄:首先指定查询条件,然后将数据查询出来,修改年龄后调用update()
方法将原条件和修改后的数据传入。
运行结果如下:
{'ok':
1,
'nModified':
1,
'n':
1,
'updatedExisting':
True}复制代码
返回结果是字典形式,ok
代表执行成功,nModified
代表影响的数据条数。
另外,我们也可以使用$set
操作符对数据进行更新,代码如下:
result = collection.update(condition, {'$set': student})复制代码
这样可以只更新student
字典内存在的字段。如果原先还有其他字段,则不会更新,也不会删除。而如果不用$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, {'$set': student}) print(result) print(result.matched_count, result.modified_count)复制代码
这里调用了update_one()
方法,第二个参数不能再直接传入修改后的字典,而是需要使用{'$set': student}
这样的形式,其返回结果是UpdateResult
类型。然后分别调用matched_count
和modified_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复制代码
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)复制代码
这里指定查询条件为年龄大于20,然后更新条件为{'$inc': {'age': 1}}
,也就是年龄加1,执行之后会将第一条符合条件的数据年龄加1。
运行结果如下:
<pymongo.results.UpdateResult
object
at
0x10b8874c8>
1
1复制代码
可以看到匹配条数为1条,影响条数也为1条。
如果调用update_many()
方法,则会将所有符合条件的数据都更新,示例如下:
condition = {'age': {'$gt': 20}} result = collection.update_many(condition, {'$inc': {'age': 1}}) print(result) print(result.matched_count, result.modified_count)复制代码
这时匹配条数就不再为1条了,运行结果如下:
<pymongo.results.UpdateResult
object
at
0x10c6384c8>
3
3复制代码
可以看到,这时所有匹配到的数据都会被更新。
11. 删除
删除操作比较简单,直接调用remove()
方法指定删除的条件即可,此时符合条件的所有数据均会被删除。示例如下:
result = collection.remove({'name': 'Kevin'}) print(result)复制代码
运行结果如下:
{'ok': 1, 'n': 1}复制代码
另外,这里依然存在两个新的推荐方法——delete_one()
和delete_many()
。示例如下:
result = collection.delete_one({'name': 'Kevin'}) print(result) print(result.deleted_count) result = collection.delete_many({'age': {'$lt': 25}}) print(result.deleted_count)复制代码
运行结果如下:
<pymongo.results.DeleteResult
object
at
0x10e6ba4c8>
1
4复制代码
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()
和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()
和drop_index()
等。
Python操作MongoDB看这一篇就够了相关推荐
- docker 删除所有镜像_关于 Docker 镜像的操作,看完这篇就够啦 !(下)| 文末福利...
紧接着上篇<关于 Docker 镜像的操作,看完这篇就够啦 !(上)>,奉上下篇 !!! 镜像作为 Docker 三大核心概念中最重要的一个关键词,它有很多操作,是您想学习容器技术不得不掌 ...
- pythonexcel数据居中_Python 自动化操作 Excel 看这一篇就够了
0 Python Excel库对比 我们先来看一下python中能操作Excel的库对比(一共九个库): 1 Python xlrd 读取 操作Excel 1.1 xlrd模块介绍 (1)什么是xlr ...
- Python自动化操作PPT看这一篇就够了
作者:超级大洋葱806 https://tangxing.blog.csdn.net/article/details/109568830 1.PPT自动化能干什么?有什么优势? 它可以代替你自动制作P ...
- python自动化ppt_Python自动化操作PPT看这一篇就够了
作者:超级大洋葱806 1.PPT自动化能干什么?有什么优势? 它可以代替你自动制作PPT 它可以减少你调整用于调整PPT格式的时间 它可以让数据报告风格一致 总之就是:它能提高你的工作效率!让你有更 ...
- python函数ppt_Python自动化操作PPT看这一篇就够了
1. PPT自动化能干什么?有什么优势?它可以代替你自动制作PPT 它可以减少你调整用于调整PPT格式的时间 它可以让数据报告风格一致 总之就是:它能提高你的工作效率!让你有更多时间去做其他事情! 2 ...
- Python自动化操作PPT看这一篇就够了!
作者:超级大洋葱806 https://tangxing.blog.csdn.net/article/details/109568830 1.PPT自动化能干什么?有什么优势? 它可以代替你自动制作P ...
- 了解 MongoDB 看这一篇就够了
作者:美码师 一.简介 MongoDB 是一款流行的开源文档型数据库,从它的命名来看,确实是有一定野心的.MongoDB 的原名一开始来自于 英文单词"Humongous", 中文 ...
- pptx库ppt演示 python_Python自动化操作PPT看这一篇就够了
作者:超级大洋葱806 https://tangxing.blog.csdn.net/article/details/109568830 1.PPT自动化能干什么?有什么优势? 它可以代替你自动制作P ...
- Python正则表达式,看这一篇就够了
作者 | 猪哥 来源 | 裸睡的猪(ID: IT--Pig) 大多数编程语言的正则表达式设计都师从Perl,所以语法基本相似,不同的是每种语言都有自己的函数去支持正则,今天我们就来学习 Python中 ...
最新文章
- Leangoo英文版来了~
- c++ django上传图片
- UNIX网络编程——UDP缺乏流量控制(改进版)
- redis 保存 array list 区别_Redis科普篇
- HDU 2034 人见人爱A-B【STL/set】
- php定义数据表类,phpwind中的数据库操作类
- 数组指定位置添加元素_数据结构--顺序表的9种基本运算,初始化,销毁,判断是否为空表,长度,求指定位置的元素值......
- android使用自定义,Android 自定义View的使用
- Windows下安装和配置Maven的方法及注意事项
- 关于HTML Button点击自动刷新页面的问题解决
- 交换机虚拟化和堆叠的区别_交换机级联与堆叠有何区别
- 【SPSS】SPSS之主成分分析及因子分析
- 首个Adobe XD教程丨如何用Adobe Experience Design (XD)快速设计图标
- 机器学习之K均值(K-Means)算法
- 搭建 Nexus 私服
- 如何快速实现增长App用户量?
- 新版 playCover 键位映射教程(mac 玩 ios 原神键位映射示例)
- Android 和 iOS 开发的寒冬了?
- List 过滤、排序、校验等处理方法
- go语言字符串变量初始化以及字符串拼接