与邮政编码数据集的聚合

数据模型

zipcodes 集合中的每个文档均采用以下形式：

{
  "_id": "10280",
  "city": "NEW YORK",
  "state": "NY",
  "pop": 5574,
  "loc": [
    -74.016323,
    40.710537
  ]
}

• _id 字段会以字符串形式保存邮政编码。

• city 字段会包含城市名称。一个城市可有多个与其关联的邮政编码，因为该城市的不同区域可能有不同的邮政编码。

• state 字段会包含两个字母的州缩写名。

• pop 字段会保存人口数。

• loc 字段会以经纬度对的形式保存位置。

aggregate() 方法

以下所有示例均使用 mongosh 中的 aggregate() 辅助程序。

aggregate() 方法使用聚合管道将文档处理为聚合结果。一个聚合管道由多个阶段组成，其中每个阶段均会处理沿管道传递的文档。文档会按顺序通过各个阶段。

mongosh 中的 aggregate() 方法提供 aggregate 数据库命令的封装器。请参阅驱动程序文档，了解进行数据聚合操作更惯用的界面。

返回人口超过 1,000 万的州

以下聚合操作返回总人口大于 1,000 万的所有州：

db.zipcodes.aggregate( [
   { $group: { _id: "$state", totalPop: { $sum: "$pop" } } },
   { $match: { totalPop: { $gte: 10*1000*1000 } } }
] )

在此示例中，聚合管道由 $group 阶段和 $match 阶段组成：

• $group 阶段按 state 字段对 zipcode 集合的文档进行分组，计算针对每个状态的 totalPop 字段，并输出每个唯一状态的对应文档。

  新的州别文档有两个字段：_id 字段和 totalPop 字段。_id 字段包含 state（即按字段划分的群组）的值。totalPop 是计算得出的字段，包含每个州的总人口。为计算该值，$group 使用 $sum 操作符为每个州添加人口字段 (pop)。

  经过 $group 阶段后，管道中的文档如下所示：

  {
    "_id" : "AK",
    "totalPop" : 550043
  }

• $match 阶段筛选分组文档，仅输出 totalPop 值大于或等于 1,000 万的文档。$match 阶段不改变匹配文档，而是输出未经修改的匹配文档。

此聚合操作的等效 SQL 为：

SELECT state, SUM(pop) AS totalPop
FROM zipcodes
GROUP BY state
HAVING totalPop >= (10*1000*1000)

返回各州的平均城市人口

以下聚合操作将返回每个州的城市平均人口：

db.zipcodes.aggregate( [
   { $group: { _id: { state: "$state", city: "$city" }, pop: { $sum: "$pop" } } },
   { $group: { _id: "$_id.state", avgCityPop: { $avg: "$pop" } } }
] )

在此示例中，聚合管道由 $group 阶段和另一个 $group 阶段组成：

• 第一个 $group 阶段按 city 和 state 的组合对文档进行分组，使用 $sum 表达式计算每个组合的总量，并为每个 city 和 state 组合输出一个文档。[1]

  经过此管道阶段后，文档应类似如下内容：

  {
    "_id" : {
      "state" : "CO",
      "city" : "EDGEWATER"
    },
    "pop" : 13154
  }

• 第二个 $group 阶段会按 _id.state 字段（即 _id 文档中的 state 字段）对管道中的文档进行分组，使用 $avg 表达式计算每个州的平均城市人口 (avgCityPop)，并输出每个州的对应文档。

此聚合操作得到的文档应类似如下内容：

{
  "_id" : "MN",
  "avgCityPop" : 5335
}

按省/市/自治区返回最大城市和最小城市

以下聚合操作会返回每个州按人口计算的最小城市和最大城市：

db.zipcodes.aggregate( [
   { $group:
      {
        _id: { state: "$state", city: "$city" },
        pop: { $sum: "$pop" }
      }
   },
   { $sort: { pop: 1 } },
   { $group:
      {
        _id : "$_id.state",
        biggestCity:  { $last: "$_id.city" },
        biggestPop:   { $last: "$pop" },
        smallestCity: { $first: "$_id.city" },
        smallestPop:  { $first: "$pop" }
      }
   },
  // the following $project is optional, and
  // modifies the output format.
  { $project:
    { _id: 0,
      state: "$_id",
      biggestCity:  { name: "$biggestCity",  pop: "$biggestPop" },
      smallestCity: { name: "$smallestCity", pop: "$smallestPop" }
    }
  }
] )

在此示例中，aggregation pipeline 由一个 $group 阶段、一个 $sort 阶段、另一个 $group 阶段和一个 $project 阶段组成：

• 第一个 $group 阶段按 city 和 state 的组合对文档进行分组，计算每个组合的 pop 值的 sum，并为每个 city 和 state 组合输出一个文档。

  在此管道阶段，文档如下所示：

  {
    "_id" : {
      "state" : "CO",
      "city" : "EDGEWATER"
    },
    "pop" : 13154
  }

• $sort 阶段按照 pop 字段值从小到大排列管道中的文档，即递增顺序。此操作不会更改文档。

• 接下来的 $group 阶段会按 _id.state 字段（即 _id 文档中的 state 字段）对现已排序的文档分组，并输出每个状态的对应文档。

  此阶段还会为每个状态计算以下四个字段。$group 操作符使用 $last 表达式，创建 biggestCity 和 biggestPop 字段，分别存储人口最多的城市和具体人口数。$group 操作符使用 $first 表达式，创建 smallestCity 和 smallestPop 字段，分别存储人口最少的城市和具体人口数。

  在这个管道阶段，文档如下所示：

  {
    "_id" : "WA",
    "biggestCity" : "SEATTLE",
    "biggestPop" : 520096,
    "smallestCity" : "BENGE",
    "smallestPop" : 2
  }

• 最后的 $project 阶段将 _id 字段重命名为 state，并将 biggestCity、biggestPop、smallestCity 和 smallestPop 移至 biggestCity 和 smallestCity 嵌入式文档中。

此聚合操作的输出文档应类似如下内容：

{
  "state" : "RI",
  "biggestCity" : {
    "name" : "CRANSTON",
    "pop" : 176404
  },
  "smallestCity" : {
    "name" : "CLAYVILLE",
    "pop" : 45
  }
}