分组与总计
本页内容
简介
在本教程中，您可以学习如何使用PyMongo构建一个聚合管道，对集合执行聚合操作，并通过完成并运行一个示例应用程序来打印结果。这个聚合执行以下操作：
通过字段值匹配文档的子集
按常见字段值分组文档
向每个结果文档添加计算字段
聚合任务摘要
本教程演示了如何对客户订单数据进行分组和分析。结果展示了2020年购买商品的客户列表，并包括每位客户2020年的订单历史。
此示例使用一个集合，orders，它包含描述单个产品订单的文档。由于每个订单只能对应一个客户，因此订单文档根据包含客户电子邮件地址的customer_id字段进行分组。
开始之前
在您开始本教程之前，请完成以下操作聚合模板应用程序说明以设置可工作的Python应用程序。
设置应用程序后，通过向应用程序添加以下代码来访问orders集合
orders_coll = agg_db["orders"]
删除任何现有数据，并将以下代码中的样本数据插入到orders集合中
orders_coll.delete_many({}) order_data = [ { "customer_id": "elise_smith@myemail.com", "orderdate": datetime(2020, 5, 30, 8, 35, 52), "value": 231 }, { "customer_id": "elise_smith@myemail.com", "orderdate": datetime(2020, 1, 13, 9, 32, 7), "value": 99 }, { "customer_id": "oranieri@warmmail.com", "orderdate": datetime(2020, 1, 1, 8, 25, 37), "value": 63 }, { "customer_id": "tj@wheresmyemail.com", "orderdate": datetime(2019, 5, 28, 19, 13, 32), "value": 2 }, { "customer_id": "tj@wheresmyemail.com", "orderdate": datetime(2020, 11, 23, 22, 56, 53), "value": 187 }, { "customer_id": "tj@wheresmyemail.com", "orderdate": datetime(2020, 8, 18, 23, 4, 48), "value": 4 }, { "customer_id": "elise_smith@myemail.com", "orderdate": datetime(2020, 12, 26, 8, 55, 46), "value": 4 }, { "customer_id": "tj@wheresmyemail.com", "orderdate": datetime(2021, 2, 28, 7, 49, 32), "value": 1024 }, { "customer_id": "elise_smith@myemail.com", "orderdate": datetime(2020, 10, 3, 13, 49, 44), "value": 102 } ] orders_coll.insert_many(order_data)
教程
为2020年的订单添加匹配阶段
首先，添加一个$match 阶段以匹配2020年下发的订单
pipeline.append({ "$match": { "orderdate": { "$gte": datetime(2020, 1, 1, 0, 0, 0), "$lt": datetime(2021, 1, 1, 0, 0, 0) } } })
添加一个排序阶段按订单日期排序
接下来，添加一个 $sort 阶段，以对 orderdate 字段进行升序排序，以便在下一阶段显示每个客户的最早2020年购买记录
pipeline.append({ "$sort": { "orderdate": 1 } })
为按电子邮件地址分组添加一个分组阶段
为按 $group 阶段添加到按 customer_id 字段的值分组订单。在此阶段中，添加以下字段到结果文档中的聚合操作
first_purchase_date：客户第一次购买日期total_value：客户所有购买的总价值total_orders：客户购买的总数orders：客户所有购买列表，包括每次购买的日期和价值
pipeline.append({ "$group": { "_id": "$customer_id", "first_purchase_date": {"$first": "$orderdate"}, "total_value": {"$sum": "$value"}, "total_orders": {"$sum": 1}, "orders": {"$push": {"orderdate": "$orderdate", "value": "$value"}} } })
添加一个排序阶段按首次订单日期排序
接下来，添加另一个 $sort 阶段，对 first_purchase_date 字段进行升序排序
pipeline.append({ "$sort": { "first_purchase_date": 1 } })
添加一个阶段以显示电子邮件地址
添加一个 $set 阶段，从在 $group 阶段设置的 _id 字段的值中重新创建 customer_id 字段
pipeline.append({ "$set": { "customer_id": "$_id" } })
添加一个 unset 阶段以删除不需要的字段
最后，添加一个 $unset 阶段。该 $unset 阶段从结果文档中删除 _id 字段
pipeline.append({"$unset": ["_id"]})
解释结果
聚合返回了以下从2020年开始的客户订单摘要
{ 'first_purchase_date': datetime.datetime(2020, 1, 1, 8, 25, 37), 'total_value': 63, 'total_orders': 1, 'orders': [ { 'orderdate': datetime.datetime(2020, 1, 1, 8, 25, 37), 'value': 63 } ], 'customer_id': 'oranieri@warmmail.com' } { 'first_purchase_date': datetime.datetime(2020, 1, 13, 9, 32, 7), 'total_value': 436, 'total_orders': 4, 'orders': [ { 'orderdate': datetime.datetime(2020, 1, 13, 9, 32, 7), 'value': 99 }, { 'orderdate': datetime.datetime(2020, 5, 30, 8, 35, 52), 'value': 231 }, { 'orderdate': datetime.datetime(2020, 10, 3, 13, 49, 44), 'value': 102 }, { 'orderdate': datetime.datetime(2020, 12, 26, 8, 55, 46), 'value': 4 } ], 'customer_id': 'elise_smith@myemail.com' } { 'first_purchase_date': datetime.datetime(2020, 8, 18, 23, 4, 48), 'total_value': 191, 'total_orders': 2, 'orders': [ { 'orderdate': datetime.datetime(2020, 8, 18, 23, 4, 48), 'value': 4 }, { 'orderdate': datetime.datetime(2020, 11, 23, 22, 56, 53), 'value': 187 } ], 'customer_id': 'tj@wheresmyemail.com' }
结果文档包含来自给定客户的全部订单的详细信息，按客户的电子邮件地址分组。
要查看本教程的完整代码，请参阅GitHub上的 完成的分组和总计应用程序。