Python3中使用PyMongo的方法详解
前言
本文主要给大家介绍的是关于在Python3使用PyMongo的方法,分享出来供大家参考学习,下面话不多说了,来一起看看详细介绍:
MongoDB存储
在这里我们来看一下Python3下MongoDB的存储操作,在本节开始之前请确保你已经安装好了MongoDB并启动了其服务,另外安装好了Python的PyMongo库。
没有安装的朋友们可以参考这篇文章
连接MongoDB
连接MongoDB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,第一个参数为地址host,第二个参数为端口port,端口如果不传默认是27017。
importpymongo client=pymongo.MongoClient(host='localhost',port=27017)
这样我们就可以创建一个MongoDB的连接对象了。
另外MongoClient的第一个参数host还可以直接传MongoDB的连接字符串,以mongodb开头,例如:
client=MongoClient('mongodb://localhost:27017/')
可以达到同样的连接效果。
指定数据库
MongoDB中还分为一个个数据库,我们接下来的一步就是指定要操作哪个数据库,在这里我以test数据库为例进行说明,所以下一步我们需要在程序中指定要使用的数据库。
db=client.test
调用client的test属性即可返回test数据库,当然也可以这样来指定:
db=client['test']
两种方式是等价的。
指定集合
MongoDB的每个数据库又包含了许多集合Collection,也就类似与关系型数据库中的表,下一步我们需要指定要操作的集合,在这里我们指定一个集合名称为students,学生集合。还是和指定数据库类似,指定集合也有两种方式。
collection=db.students
collection=db['students']
插入数据
接下来我们便可以进行数据插入了,对于students这个Collection,我们新建一条学生数据,以字典的形式表示:
student={ 'id':'20170101', 'name':'Jordan', 'age':20, 'gender':'male' }
在这里我们指定了学生的学号、姓名、年龄和性别,然后接下来直接调用collection的insert()方法即可插入数据。
result=collection.insert(student) print(result)
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_id,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的_id值。
运行结果:
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)
返回的结果是对应的_id的集合,运行结果:
[ObjectId('5932a80115c2606a59e8a048'),ObjectId('5932a80115c2606a59e8a049')]
实际上在PyMongo3.X版本中,insert()方法官方已经不推荐使用了,当然继续使用也没有什么问题,官方推荐使用insert_one()和insert_many()方法将插入单条和多条记录分开。
student={ 'id':'20170101', 'name':'Jordan', 'age':20, 'gender':'male' } result=collection.insert_one(student) print(result) print(result.inserted_id)
运行结果:
5932ab0f15c2606f0c1cf6c5
返回结果和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_many([student1,student2]) print(result) print(result.inserted_ids)
insert_many()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,运行结果:
[ObjectId('5932abf415c2607083d3b2ac'),ObjectId('5932abf415c2607083d3b2ad')]
查询
插入数据后我们可以利用find_one()或find()方法进行查询,find_one()查询得到是单个结果,find()则返回多个结果。
result=collection.find_one({'name':'Mike'}) print(type(result)) print(result)
在这里我们查询name为Mike的数据,它的返回结果是字典类型,运行结果:
{'_id':ObjectId('5932a80115c2606a59e8a049'),'id':'20170202','name':'Mike','age':21,'gender':'male'}
可以发现它多了一个_id属性,这就是MongoDB在插入的过程中自动添加的。
我们也可以直接根据ObjectId来查询,这里需要使用bson库里面的ObjectId。
frombson.objectidimportObjectId result=collection.find_one({'_id':ObjectId('593278c115c2602667ec6bae')}) print(result)
其查询结果依然是字典类型,运行结果:
{'_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,例如在这里查找年龄为20的数据,示例如下:
results=collection.find({'age':20}) print(results) forresultinresults: print(result)
运行结果:
{'_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,相当于一个生成器,我们需要遍历取到所有的结果,每一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':{'$gt':20}})
在这里查询的条件键值已经不是单纯的数字了,而是一个字典,其键名为比较符号$gt,意思是大于,键值为20,这样便可以查询出所有年龄大于20的数据。
在这里将比较符号归纳如下表:
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':{'$regex':'^M.*'}})
在这里使用了$regex来指定正则匹配,^M.*代表以M开头的正则表达式,这样就可以查询所有符合该正则的结果。
在这里将一些功能符号再归类如下:
符号 | 含义 | 示例 | 示例含义 |
---|---|---|---|
$regex | 匹配正则 | {'name':{'$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 |
这些操作的更详细用法在可以在MongoDB官方文档找到:https://docs.mongodb.com/manual/reference/operator/query/
计数
要统计查询结果有多少条数据,可以调用count()方法,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)
排序
可以调用sort方法,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']forresultinresults])
运行结果:
['Harden','Jordan','Kevin','Mark','Mike']
偏移
在某些情况下我们可能想只取某几个元素,在这里可以利用skip()方法偏移几个位置,比如偏移2,就忽略前2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']forresultinresults])
运行结果:
['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']forresultinresults])
运行结果:
['Kevin','Mark']
如果不加limit()原本会返回三个结果,加了限制之后,会截取2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,很可能会导致内存溢出,可以使用类似find({'_id':{'$gt':ObjectId('593278c815c2602678bb2b8d')}})这样的方法来查询,记录好上次查询的_id。
更新
对于数据更新可以使用update()方法,指定更新的条件和更新后的数据即可,例如:
condition={'name':'Kevin'} student=collection.find_one(condition) student['age']=25 result=collection.update(condition,student) print(result)
在这里我们将name为Kevin的数据的年龄进行更新,首先指定查询条件,然后将数据查询出来,修改年龄,之后调用update方法将原条件和修改后的数据传入,即可完成数据的更新。
运行结果:
{'ok':1,'nModified':1,'n':1,'updatedExisting':True}
返回结果是字典形式,ok即代表执行成功,nModified代表影响的数据条数。
另外update()方法其实也是官方不推荐使用的方法,在这里也分了update_one()方法和update_many()方法,用法更加严格,第二个参数需要使用$类型操作符作为字典的键名,我们用示例感受一下。
condition={'name':'Kevin'} student=collection.find_one(condition) student['age']=26 result=collection.update_one(condition,{'$set':student}) print(result) print(result.matched_count,result.modified_count)
在这里调用了update_one方法,第二个参数不能再直接传入修改后的字典,而是需要使用{'$set':student}这样的形式,其返回结果是UpdateResult类型,然后调用matched_count和modified_count属性分别可以获得匹配的数据条数和影响的数据条数。
运行结果:
10
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)
在这里我们指定查询条件为年龄大于20,然后更新条件为{'$inc':{'age':1}},也就是年龄加1,执行之后会讲第一条符合条件的数据年龄加1。
运行结果:
11
可以看到匹配条数为1条,影响条数也为1条。
如果调用update_many()方法,则会将所有符合条件的数据都更新,示例如下:
condition={'age':{'$gt':20}} result=collection.update_many(condition,{'$inc':{'age':1}}) print(result) print(result.matched_count,result.modified_count)
这时候匹配条数就不再为1条了,运行结果如下:
33
可以看到这时所有匹配到的数据都会被更新。
删除
删除操作比较简单,直接调用remove()方法指定删除的条件即可,符合条件的所有数据均会被删除,示例如下:
result=collection.remove({'name':'Kevin'}) print(result)
运行结果:
{'ok':1,'n':1}
另外依然存在两个新的推荐方法,delete_one()和delete_many()方法,示例如下:
result=collection.delete_one({'name':'Kevin'}) print(result) print(result.deleted_count) result=collection.delete_many({'age':{'$lt':25}}) print(result.deleted_count)
运行结果:
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,返回结果是DeleteResult类型,可以调用deleted_count属性获取删除的数据条数。
更多
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(),就是查找后删除、替换、更新操作,用法与上述方法基本一致。
另外还可以对索引进行操作,如create_index()、create_indexes()、drop_index()等。
详细用法可以参见官方文档:http://api.mongodb.com/python/current/api/pymongo/collection.html
另外还有对数据库、集合本身以及其他的一些操作,在这不再一一讲解,可以参见官方文档:http://api.mongodb.com/python/current/api/pymongo/
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对毛票票的支持