Exemplos de esquema

Nesta página

Dados aninhados com esquema

Dados aninhados com projeção

Este guia mostra exemplos de como usar esquemas PyMongoArrow em situações comuns.

Dados aninhados com esquema

Ao executar operações agregadas ou de localização, você pode fornecer um esquema para dados aninhados utilizando o objeto struct . Pode haver nomes conflitantes em subdocumentos em comparação com seus documentos principais.

>>> from pymongo import MongoClient
... from pymongoarrow.api import Schema, find_arrow_all
... from pyarrow import struct, field, int32
... coll = MongoClient().db.coll
... coll.insert_many(
...     [
...         {"start": "string", "prop": {"name": "foo", "start": 0}},
...         {"start": "string", "prop": {"name": "bar", "start": 10}},
...     ]
... )
... arrow_table = find_arrow_all(
...     coll, {}, schema=Schema({"start": str, "prop": struct([field("start", int32())])})
... )
... print(arrow_table)
pyarrow.Table
start: string
prop: struct<start: int32>
  child 0, start: int32
----
start: [["string","string"]]
prop: [
  -- is_valid: all not null
  -- child 0 type: int32
[0,10]]

Você pode fazer a mesma coisa ao usar Pandas e NumPy:

>>> df = find_pandas_all(
...     coll, {}, schema=Schema({"start": str, "prop": struct([field("start", int32())])})
... )
... print(df)
    start           prop
0  string   {'start': 0}
1  string  {'start': 10}

Dados aninhados com projeção

Você também pode usar projeção para nivelar os dados antes de passá-los para o PyMongoArrow. O exemplo a seguir ilustra como fazer isso usando uma estrutura de documento aninhada muito simples:

>>> df = find_pandas_all(
...     coll,
...     {
...         "prop.start": {
...             "$gte": 0,
...             "$lte": 10,
...         }
...     },
...     projection={"propName": "$prop.name", "propStart": "$prop.start"},
...     schema=Schema({"_id": ObjectIdType(), "propStart": int, "propName": str}),
... )
... print(df)
                                 _id  propStart propName
0  b'c\xec2\x98R(\xc9\x1e@#\xcc\xbb'          0      foo
1  b'c\xec2\x98R(\xc9\x1e@#\xcc\xbc'         10      bar

Ao executar uma operação agregada, você pode nivelar os campos usando o estágio $project , como mostrado no seguinte exemplo:

>>> df = aggregate_pandas_all(
...     coll,
...     pipeline=[
...         {"$match": {"prop.start": {"$gte": 0, "$lte": 10}}},
...         {
...             "$project": {
...                 "propStart": "$prop.start",
...                 "propName": "$prop.name",
...             }
...         },
...     ],
... )

Voltar

Tipos de dados

Perguntas frequentes