Question

我想找到Mongo Document中嵌套字段的所有唯一值的频率计数器。

更具体地说，如果我的收藏集说db ['sample']，则包含以下文档-

{'a' : 1, 'b' : {'c' : 25, 'd' : "x", 'e' : 36}},

{'a' : 2, 'b' : {'c' : 5, 'd' : "xx", 'e' : 36}},

{'a' : 33, 'b' : {'c' : 25, 'd' : "xx", 'e' : 36}},

{'a' : 17, 'b' : {'c' : 25, 'd' : "xxx", 'e' : 36}},

如何获取“ d”字段所有唯一值的频率计数器？即我的输出应为{'d'：{“ xx”：2，“ x”：1，“ xxx”：1}}

这甚至可能吗？感谢对此的任何帮助。谢谢。

我查看了有关聚合和objectToArray转换的文档，以将地图转换为数组，并在PyMongo中尝试了以下操作

1）

db['sample'].aggregate([ { "$addFields" : { "b" : {"$objectToArray" : "$b"}}},\
                         {"$unwind" : "$b"},\
                         {"$group" : { "_id" : "$b.k",\
                                       "count" : {"$sum" : "$b.v"}}} ])

这将在可能的情况下给出每个字段的累计计数-例如'c'：25 + 5 + 25 + 25。

2）

db['sample'].aggregate([ { "$addFields" : { "b" : {"$objectToArray" : "$b"}}},\
                         {"$unwind" : "$b"}, \
                         {"$group" : { "_id" : "$b.k", \
                                       "count" : {"$sum" : 1 }}} ])

这给出了字段在文档中出现的总次数-'c'：4，'d'：4等。

Answer 1

您基本上是在以错误的方式进行处理。您可以清楚地找到"b.d"作为要聚合的键，因此无需将其转换为数组：

cursor = db.sample.aggregate([
  { "$group": {
    "_id": "$b.d",
    "count": { "$sum": 1 }
  }},
  { "$group": {
     "_id": None,
     "data": { "$push": { "k": "$_id", "v": "$count" } }
  }},
  { "$replaceRoot": {
    "newRoot": { "$arrayToObject": "$data" }
  }}
])

for doc in cursor:
  print(doc)

返回

{ 'x': 1, 'xx': 2, 'xxx': 1 }

但这实际上是过大的，因为实际上所有工作都是在最初的$group语句中完成的。您真正需要做的就是运行该程序并获取结果，并将其组合为单个字典作为所需的输出：

cursor = db.sample.aggregate([
  { "$group": {
    "_id": "$b.d",
    "count": { "$sum": 1 }
  }}
])

data = list(cursor)

result = reduce(
  lambda x,y:
    dict(x.items() + { y['_id']: y['count'] }.items()), data,{})

print(result)

返回完全相同的东西：

{ 'x': 1, 'xx': 2, 'xxx': 1 }

此外，它不需要添加其他聚合阶段和运算符就不需要 gymnastics ，而且由于最初的$group响应基本上是从服务器返回的，因此您没有更改服务器真正返回的内容：

{ "_id" : "xxx", "count" : 1 }
{ "_id" : "xx", "count" : 2 }
{ "_id" : "x", "count" : 1 }

因此，真正的教训是，当您可以在聚合管道中执行花哨的操作时，您真正应该考虑的是，当替代方法更清洁时，您可能不应该以及更具可读性的代码。

作为参考，尽管发生的只是额外的$group使用$push来创建带有k和v键的数组，这在下一个管道阶段中是可以预期的。下一阶段使用$replaceRoot从上一阶段创建的数组中获取$arrayToObject的输出，并将其基本上转换为对象/字典。

相比之下，reduce做的事情完全相同。我们基本上将游标结果放入list中，以便python函数可以对该列表进行操作。然后，只需遍历该列表中始终以_id作为键和“已计数”输出的另一个命名属性（此处使用count）的文件，然后将其转换为<最终字典输出的strong>键和值对。

只是出于娱乐目的，基于您最初的尝试可能是：

db.sample.aggregate([
  { "$addFields": { "b": { "$objectToArray": "$b" } } },
  { "$unwind": "$b" },
  { "$group": {
    "_id": {
      "_id": "$b.k",
      "k": "$b.v"
    },
    "count": { "$sum": 1 }

  }},
  { "$group": {
    "_id": "$_id._id",
    "data": { "$push": { "k": { "$toString": "$_id.k" }, "v": "$count" } }
  }},
  { "$addFields": {
    "data": { "$arrayToObject": "$data" } 
  }}
])

哪个会返回：

{ "_id" : "c", "data" : { "25" : 3, "5" : 1 } }
{ "_id" : "e", "data" : { "36" : 4 } }
{ "_id" : "d", "data" : { "xxx" : 1, "xx" : 2, "x" : 1 } }

同样，不使用其他流水线阶段进行转换的相同结果来自将map和reduce与python一起使用：

cursor = db.sample.aggregate([
  { "$addFields": { "b": { "$objectToArray": "$b" } } },
  { "$unwind": "$b" },
  { "$group": {
    "_id": {
      "_id": "$b.k",
      "k": "$b.v"
    },
    "count": { "$sum": 1 }
  }},
  { "$group": {
    "_id": "$_id._id",
    "data": { "$push": { "k": "$_id.k", "v": "$count" } }
  }}
])

data = list(cursor)


result = map(lambda d: { 
  '_id': d['_id'],
  'data': reduce(lambda x,y: 
    dict(x.items() + { y['k']: y['v'] }.items()), d['data'],
  {})
},data)

计算嵌套字段的所有唯一值的频率计数器

1 个答案: