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 PostgreSQL 版,标准版 2核4GB 50GB
云原生数据库 PolarDB MySQL 版,通用型 2核8GB 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
|
16天前
|
关系型数据库 数据库 数据安全/隐私保护
云数据库实战:基于阿里云RDS的Python应用开发与优化
在互联网时代,数据驱动的应用已成为企业竞争力的核心。阿里云RDS为开发者提供稳定高效的数据库托管服务,支持多种数据库引擎,具备自动化管理、高可用性和弹性扩展等优势。本文通过Python应用案例,从零开始搭建基于阿里云RDS的数据库应用,详细演示连接、CRUD操作及性能优化与安全管理实践,帮助读者快速上手并提升应用性能。
|
1月前
|
存储 NoSQL MongoDB
数据库数据恢复—MongoDB数据库迁移过程中丢失文件的数据恢复案例
某单位一台MongoDB数据库由于业务需求进行了数据迁移,数据库迁移后提示:“Windows无法启动MongoDB服务(位于 本地计算机 上)错误1067:进程意外终止。”
|
2月前
|
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。
95 23
【赵渝强老师】MongoDB写入数据的过程
|
3月前
|
存储 JSON NoSQL
学习 MongoDB:打开强大的数据库技术大门
MongoDB 是一个基于分布式文件存储的文档数据库,由 C++ 编写,旨在为 Web 应用提供可扩展的高性能数据存储解决方案。它与 MySQL 类似,但使用文档结构而非表结构。核心概念包括:数据库(Database)、集合(Collection)、文档(Document)和字段(Field)。MongoDB 使用 BSON 格式存储数据,支持多种数据类型,如字符串、整数、数组等,并通过二进制编码实现高效存储和传输。BSON 文档结构类似 JSON,但更紧凑,适合网络传输。
97 15
|
3月前
|
存储 NoSQL 关系型数据库
阿里云数据库MongoDB版助力信也科技 打造互联网金融企业样板
我们的风控系统引入阿里云数据库MongoDB版后,解决了特征类字段灵活加减的问题,大大提高了开发效率,极大的提升了业务用户体验,获得了非常好的效果
阿里云数据库MongoDB版助力信也科技 打造互联网金融企业样板
|
4月前
|
NoSQL Cloud Native atlas
探索云原生数据库:MongoDB Atlas 的实践与思考
【10月更文挑战第21天】本文探讨了MongoDB Atlas的核心特性、实践应用及对云原生数据库未来的思考。MongoDB Atlas作为MongoDB的云原生版本,提供全球分布式、完全托管、弹性伸缩和安全合规等优势,支持快速部署、数据全球化、自动化运维和灵活定价。文章还讨论了云原生数据库的未来趋势,如架构灵活性、智能化运维和混合云支持,并分享了实施MongoDB Atlas的最佳实践。
|
5月前
|
NoSQL Cloud Native atlas
探索云原生数据库:MongoDB Atlas 的实践与思考
【10月更文挑战第20天】本文探讨了MongoDB Atlas的核心特性、实践应用及对未来云原生数据库的思考。MongoDB Atlas作为云原生数据库服务,具备全球分布、完全托管、弹性伸缩和安全合规等优势,支持快速部署、数据全球化、自动化运维和灵活定价。文章还讨论了实施MongoDB Atlas的最佳实践和职业心得,展望了云原生数据库的发展趋势。
|
5月前
|
存储 NoSQL MongoDB
MongoDB 数据库引用
10月更文挑战第20天
50 1
|
4天前
|
SQL 关系型数据库 MySQL
MySQL生产环境迁移至YashanDB数据库深度体验
这篇文章是作者将 MySQL 生产环境迁移至 YashanDB 数据库的深度体验。介绍了 YashanDB 迁移平台 YMP 的产品相关信息、安装步骤、迁移中遇到的各种兼容问题及解决方案,最后总结了迁移体验,包括工具部署和操作特点,也指出功能有优化空间及暂不支持的部分,期待其不断优化。
|
16天前
|
监控 关系型数据库 MySQL
云数据库:从零到一,构建高可用MySQL集群
在互联网时代,数据成为企业核心资产,传统单机数据库难以满足高并发、高可用需求。云数据库通过弹性扩展、分布式架构等优势解决了这些问题,但也面临数据安全和性能优化挑战。本文介绍了如何从零开始构建高可用MySQL集群,涵盖选择云服务提供商、创建实例、配置高可用架构、数据备份恢复及性能优化等内容,并通过电商平台案例展示了具体应用。

热门文章

最新文章