Python全栈 MongoDB 数据库(数据的查找)

本文涉及的产品
云数据库 MongoDB,独享型 2核8GB
推荐场景:
构建全方位客户视图
云原生数据库 PolarDB MySQL 版,通用型 2核4GB 50GB
云原生数据库 PolarDB PostgreSQL 版,标准版 2核4GB 50GB
简介: Python全栈 MongoDB 数据库、MongoDB 数据库查找


非关系型数据库和关系型数据库的区别?
不是以关系模型构建的,结构自由
非关系型数据库不保证数据一致性
非关系型数据库可以在处理高并发和海量数据时弥补关系数据库的不足
非关系型数据库在技术上没有关系型数据库技术成熟

查找操作:
db.集合名.find(查找条件,域)
查找条件:
    键值对的形式给出要展示的文档
域:
以键值对对的形式给出要展示或不展示的域
0为值不显示该域 1为值显示该域
如果使用0设置某些域不显示默认其他域显示
如果使用1设置某些域显示默认其他域不显示
*_id 只有设置为0才不显示否则默认显示
除_id以外,其他域必须同时设置0或1

db.集合名.findOne(查找条件,域)
查找复合条件的第一条文档
查找条件(query):
操作符:
使用$注明的一特殊意义的字符串,表达某个特定含义
比如:$gt表示大于
语法:
db.集合名.find({name:{$gt:"tom"}}, {_id:0})
比较操作符:
$eq 等于
$lt         小于(字符串也可以比较大小)
$lte        小于等于
$gt        大于
$gte         大于等于
$ne        不等于
$in          在什么里(in)
$nin        不在什么里(not in)
逻辑操作符:
$and    与
query内如果多个条件用逗号隔开默认就是and关系
$or       或
$not     非
$nor     既不也不
数组:
使用中括号[]将一定的数据组织为一种数据结构
数组中的数据类型可以不同  是有序的
db.class2.find({score:{$gt:90}}, {_id:0})
$size
    通过数组中个数查找
$all
    查找数组中包含多项的
$slice
取数组中部分显示,在域(field)中声明
其他query查询:
$exists
判断一个域是否存在
$mod
余数查找
$type
数据类型查找
distinct()
db.class2.distinct("score")
    查看集合内某个域的取值范围
pretty()
将查询结果格式化显示
limit(n)
显示查找结果的前n条结果
skip(2)
跳过前条显示后面的结果 
count()
计数统计
sort({filed:1/-1})
排序
参数:键代表那个域,1表示升序, -1表示降序
复合排序: 当第一排序项相同的时候按照第二排序项排序,以此类推

函数的连续调用
当一个函数的返回结果仍然是文档集合的时候可以连续调用函数

文档的删除操作

       db.集合名.remove(query,justOne)
remove(query,justOne)
功能 : 删除文档
参数 : query
筛选要删除的文档,相当于where
                        用法同 查找
justOne
布尔值  
             默认为False 表示删除所有复合条件的文档
                          如果设置为true 则表示只删除第一条复合条件文档


修改操作:
db.集合名.update(query, update,upert,multi)
参数:
query:
筛选要查找要修改的文档
update:
将筛选的文档修改为什么内容
需要配合修改操作符
upsert:
bool值  默认false  如果query的文档不存在则不进行任何操作
设置为true 如果query和文档不存在 就根据query和update插入新文档
multi:
bool值  默认false 如果query文档有多条则只修改第一条
设置为true 则修改所有符合条件的文档、




综合示例:

1. 创建数据库 名字 grade

use grade

2. 数据库中创建集合 名字  class
3. 集合中插入若干文档格式如下

{name:'zhang',age:10,sex:'m',hobby:['a','b'...]}

年龄在4-13之间
hobby几项都可以,可选项: draw  sing  dance  basketball  football  pingpong  running  computer 

db.class.insert({name:'zhang',age:10,sex:'m',hobby:['a','b'...]})

4. 查询练习
查看班级所人信息

db.class.find()

查看年龄大于10岁的学生信息

db.class.find({age:{$gt:10}})

查看年龄 8-11 岁之间的学生信息

db.class.find({age:{$gt:8,$lt:11}})

找到年龄9岁且为男生的学员

db.class.find({age:9,sex:'m'})

找到年龄小于7岁或者大于11岁的学生

db.class.find({$or:[{age:{$gt:11}},{age:{$lt:7}}]})

找到年龄8岁或者11岁的学生

db.class.find({age:{$in:[8,11]}})

找到有两项兴趣爱好的学生

db.class.find({hobby:{$size:2}})

找到喜欢computer的学生

db.class.find({hobby:"computer"})

找到既喜欢画画,又喜欢跳舞的学生

db.class.find({hobby:{$all:['draw','dance']}})

统计兴趣爱好有3项的学生人数

db.class.find({hobby:{$size:3}}).count()

找到本班年龄第二大的学生

db.class.find({}).sort({age:-1}).skip(1).limit(1)

查看学生学生兴趣爱好的范围

db.class.distinct('hobby')

找到年龄最小的三个同学

db.class.find({}).sort({age:1}).limit(3)

删除虽有年龄小于6岁或者大于12岁的学员

db.class.remove({$or:[{age:{$lt:6}},{age:{$gt:12}}]}) 





相关实践学习
MongoDB数据库入门
MongoDB数据库入门实验。
快速掌握 MongoDB 数据库
本课程主要讲解MongoDB数据库的基本知识,包括MongoDB数据库的安装、配置、服务的启动、数据的CRUD操作函数使用、MongoDB索引的使用(唯一索引、地理索引、过期索引、全文索引等)、MapReduce操作实现、用户管理、Java对MongoDB的操作支持(基于2.x驱动与3.x驱动的完全讲解)。 通过学习此课程,读者将具备MongoDB数据库的开发能力,并且能够使用MongoDB进行项目开发。   相关的阿里云产品:云数据库 MongoDB版 云数据库MongoDB版支持ReplicaSet和Sharding两种部署架构,具备安全审计,时间点备份等多项企业能力。在互联网、物联网、游戏、金融等领域被广泛采用。 云数据库MongoDB版(ApsaraDB for MongoDB)完全兼容MongoDB协议,基于飞天分布式系统和高可靠存储引擎,提供多节点高可用架构、弹性扩容、容灾、备份回滚、性能优化等解决方案。 产品详情: https://www.aliyun.com/product/mongodb
相关文章
|
9天前
|
存储 NoSQL MongoDB
【赵渝强老师】MongoDB写入数据的过程
在MongoDB数据更新时,WiredTiger存储引擎通过预写日志(Journal)机制先将更新写入日志文件,再通过检查点操作将日志中的操作刷新到数据文件,确保数据持久化和一致性。检查点定期创建,缩短恢复时间,并保证异常终止后可从上一个有效检查点恢复数据。视频讲解及图示详细说明了这一过程。
51 23
【赵渝强老师】MongoDB写入数据的过程
|
1月前
|
数据采集 数据可视化 数据挖掘
利用Python自动化处理Excel数据:从基础到进阶####
本文旨在为读者提供一个全面的指南,通过Python编程语言实现Excel数据的自动化处理。无论你是初学者还是有经验的开发者,本文都将帮助你掌握Pandas和openpyxl这两个强大的库,从而提升数据处理的效率和准确性。我们将从环境设置开始,逐步深入到数据读取、清洗、分析和可视化等各个环节,最终实现一个实际的自动化项目案例。 ####
136 10
|
18天前
|
数据采集 Web App开发 监控
Python爬虫:爱奇艺榜单数据的实时监控
Python爬虫:爱奇艺榜单数据的实时监控
|
1月前
|
关系型数据库 MySQL 数据库
Python处理数据库:MySQL与SQLite详解 | python小知识
本文详细介绍了如何使用Python操作MySQL和SQLite数据库,包括安装必要的库、连接数据库、执行增删改查等基本操作,适合初学者快速上手。
227 15
|
1月前
|
数据采集 分布式计算 大数据
构建高效的数据管道:使用Python进行ETL任务
在数据驱动的世界中,高效地处理和移动数据是至关重要的。本文将引导你通过一个实际的Python ETL(提取、转换、加载)项目,从概念到实现。我们将探索如何设计一个灵活且可扩展的数据管道,确保数据的准确性和完整性。无论你是数据工程师、分析师还是任何对数据处理感兴趣的人,这篇文章都将成为你工具箱中的宝贵资源。
|
2月前
|
传感器 物联网 开发者
使用Python读取串行设备的温度数据
本文介绍了如何使用Python通过串行接口(如UART、RS-232或RS-485)读取温度传感器的数据。详细步骤包括硬件连接、安装`pyserial`库、配置串行端口、发送请求及解析响应等。适合嵌入式系统和物联网应用开发者参考。
71 3
|
2月前
|
数据采集 JavaScript 程序员
探索CSDN博客数据:使用Python爬虫技术
本文介绍了如何利用Python的requests和pyquery库爬取CSDN博客数据,包括环境准备、代码解析及注意事项,适合初学者学习。
110 0
|
2月前
|
数据采集 存储 分布式计算
超酷炫Python技术:交通数据的多维度分析
超酷炫Python技术:交通数据的多维度分析
|
2月前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
96 0
|
2月前
|
机器学习/深度学习 数据采集 数据挖掘
解锁 Python 数据分析新境界:Pandas 与 NumPy 高级技巧深度剖析
Pandas 和 NumPy 是 Python 中不可或缺的数据处理和分析工具。本文通过实际案例深入剖析了 Pandas 的数据清洗、NumPy 的数组运算、结合两者进行数据分析和特征工程,以及 Pandas 的时间序列处理功能。这些高级技巧能够帮助我们更高效、准确地处理和分析数据,为决策提供支持。
53 2