Página inicial do Docs → Desenvolver aplicações → Drivers Python → PyMongo
Transforme seus dados com agregação
Nesta página
Visão geral
Neste guia, você pode aprender como usar o PyMongo para executar operações de agregação.
Operações de aggregation processam dados em suas collections MongoDB e retornam resultados calculados. A estrutura de agregação MongoDB, que faz parte da API de query, é modelada sobre o conceito de pipelines de processamento de dados. Os documentos entram em um pipeline que contém um ou mais estágios, e esse pipeline transforma os documentos em um resultado agregado.
Uma operação de agregação é semelhante a uma fábrica de carros. Uma fábrica de automóveis tem uma linha de montagem, que contém estações de montagem com ferramentas especializadas para realizar trabalhos específicos, como furadeiras e soldadores. As peças brutas entram na fábrica e, em seguida, a linha de montagem transforma e as monta em um produto acabado.
O pipeline de agregação é a linha de montagem, estágios de agregação são as estações de montagem e expressões do operador são as ferramentas especializadas.
Aggregation versus operações de localização
Você pode usar encontrar operações para executar as seguintes ações:
Selecione quais documentos devolver
Selecione quais campos retornar
ordenar os resultados
Você pode usar operações de agregação para executar as seguintes ações:
Execute operações de localização
Renomear campos
Calcular campos
Resumir dados
Agrupar valores
Limitações
Lembre-se das seguintes limitações ao usar operações de agregação:
Os documentos devolvidos não devem violar olimite de tamanho do documento BSON de 16 megabytes.
Os estágios do pipeline têm um limite de memória de 100 megabytes por padrão. Você pode exceder esse limite usando o argumento de palavra-chave
allowDiskUse
do métodoaggregate()
.
Importante
exceção $graphLookup
O estágio $graphLookup tem um limite de memória rigoroso de 100 megabytes e ignora o parâmetro allowDiskUse
.
Exemplo de agregação
Observação
Este exemplo utiliza a collection sample_restaurants.restaurants
dos conjuntos de dados de amostra do Atlas. Para saber como criar um MongoDB Atlas cluster gratuito e carregar os conjuntos de dados de amostra, consulte Introdução ao PyMongo.
Para executar uma agregação, passe uma lista de estágios de agregação para o método collection.aggregate()
.
O exemplo de código a seguir produz uma contagem do número de padarias em cada bairro de Nova York. Para fazer isso, ele usa um pipeline de agregação com os seguintes estágios:
Um estágio $match para filtrar os documentos cujo campo
cuisine
contém o valor"Bakery"
.Um estágio $group para agrupar os documentos correspondentes pelo campo
borough
, acumulando uma contagem de documentos para cada valor distinto.
# Define an aggregation pipeline with a match stage and a group stage pipeline = [ { "$match": { "cuisine": "Bakery" } }, { "$group": { "_id": "$borough", "count": { "$sum": 1 } } } ] # Execute the aggregation aggCursor = collection.aggregate(pipeline) # Print the aggregated results for document in aggCursor: print(document)
O exemplo de código anterior produz saída semelhante ao seguinte:
{'_id': 'Bronx', 'count': 71} {'_id': 'Brooklyn', 'count': 173} {'_id': 'Missing', 'count': 2} {'_id': 'Manhattan', 'count': 221} {'_id': 'Queens', 'count': 204} {'_id': 'Staten Island', 'count': 20}
Explicar uma agregação
Para visualizar informações sobre como o MongoDB executa sua operação, você pode instruir o MongoDB a explicá -la. Quando o MongoDB explica uma operação, ele retorna planos de execução e estatísticas de desempenho. Um plano de execução é uma maneira em potencial de o MongoDB concluir uma operação. Quando você instrui o MongoDB a explicar uma operação, ele retorna o plano executado pelo MongoDB e quaisquer planos de execução rejeitados.
Para explicar uma operação de agregação, você pode usar a PyMongoExplain biblioteca ou um comando do banco de dados. Selecione a guia correspondente abaixo para ver um exemplo de cada método.
Dica
Você pode usar o módulo pprint
do Python para facilitar a leitura dos resultados da explicação:
import pprint ... pprint.pp(result)
Informações adicionais
Manual do MongoDB Server
Para ver uma lista completa de operadores de expressão, consulte Operadores de aggregation.
Para saber mais sobre como montar um aggregation pipeline e ver exemplos, consulte Aggregation Pipeline.
Para saber mais sobre como criar estágios de pipeline, consulte Estágios de agregação.
Para saber mais sobre como explicar as operações do MongoDB, consulte Explicar planos de saída e query.
Tutoriais de agregação
Para exibir explicações passo a passo de tarefas comuns de aggregation, consulte Tutoriais de aggregation.
Documentação da API
Para obter mais informações sobre como executar operações de agregação com o PyMongo, consulte a seguinte documentação da API: