本文实例讲述了python连接、操作mongodb数据库的方法。分享给大家供大家参考,具体如下:
数据库连接
from pymongo import MongoClient import pandas as pd #建立MongoDB数据库连接 client = MongoClient('162.23.167.36',27101)#或MongoClient("mongodb://162.23.167.36:27101/") #连接所需数据库,testDatabase为数据库名: db=client.testDatabase #连接所用集合,也就是我们通常所说的表,testTable为表名 collection=db.testTable
查询前几条
dataSet=collection.find().limit(3) for item in dataSet: print(item)
无条件查询全部
dataSet=collection.find() for item in dataSet: print(item)
按AND条件查询全部
#查询cpu使用率大于等于10且内存使用率大于等于10的所有字段数据 dataSet=collection.find({"cpu":{"$gte":10},"mem":{"$gte":10}}) for item in dataSet: print(item)
按AND条件查询指定字段数据
#查询cpu使用率大于等于10且内存使用率大于等于10的数据,字段只显示did、ts、cpu、mem dataSet=collection.find({"cpu":{"$gte":10},"mem":{"$gte":10}}, {"did":1,"ts":1,"cpu":1,"mem":1}) for item in dataSet: print(item) #查询cpu使用率等于0且内存使用率等于0的数据,字段只显示did、ts、cpu、mem dataSet=collection.find({"cpu":0,"mem":0}, {"did":1,"ts":1,"cpu":1,"mem":1}) for item in dataSet: print(item)
按OR条件查询指定字段数据
#查询cpu使用率大于等于10或者内存使用率大于等于10的数据,字段只显示did、ts、cpu、mem dataSet=collection.find({"$or":[{"cpu":{"$gte":10}},{"mem":{"$gte":10}}]}, {"did":1,"ts":1,"cpu":1,"mem":1}) for item in dataSet: print(item) #查询cpu使用率等于10或者内存使用率等于10的数据,字段只显示did、ts、cpu、mem dataSet=collection.find({"$or":[{"cpu":10},{"mem":10}]}, {"did":1,"ts":1,"cpu":1,"mem":1}) for item in dataSet: print(item)
mongodb的条件操作符
# > - $gt # < - $lt # >= - $gte # <= - $lte
排序
#单列升序排序查询,,1 为升序,-1为降序 dataSet=collection.find().sort([("cpu",1)]) for item in dataSet: print(item) #多列排序查询 dataSet=collection.find().sort([('did',pymongo.ASCENDING),('cpu',pymongo.DESCENDING)]) for item in dataSet: print(item)
查询结果写入excel
#查询cpu使用率大于等于10且内存使用率大于等于10的数据,字段只显示did、ts、cpu、mem,查询结果写入excel import pandas as pd dataSet=collection.find({"cpu":{"$gte":10},"mem":{"$gte":10}}, {"did":1,"ts":1,"cpu":1,"mem":1}) did,ts,cpu,mem=[],[],[],[] for item in dataSet: did.append(item["did"]) ts.append(item["ts"]) cpu.append(item["cpu"]) mem.append(item["mem"]) df=pd.DataFrame({"did":did,"ts":ts,"cpu":cpu,"mem":mem}) df.to_excel("C:/Users/Desktop/设备cpu内存数据.xlsx")
跳行查询
#下面表示跳过两条数据后读取数据 dataSet=collection.find().skip(2) for item in dataSet: print(item)
去重
#查询cpu使用率大于20、did不重复的数据 dataSet=collection.distinct("did",{"cpu":{$gt:20}}) for item in dataSet: print(item) #等同mysql的select distinct(did) from user where cpu>20
参考:
操作mongodb更详细说明https://www.jb51.net/article/169726.htm
更多关于Python相关内容感兴趣的读者可查看本站专题:《Python常见数据库操作技巧汇总》、《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com
暂无“python连接、操作mongodb数据库的方法实例详解”评论...
P70系列延期,华为新旗舰将在下月发布
3月20日消息,近期博主@数码闲聊站 透露,原定三月份发布的华为新旗舰P70系列延期发布,预计4月份上市。
而博主@定焦数码 爆料,华为的P70系列在定位上已经超过了Mate60,成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢?
根据目前爆料的消息来看,华为P70系列将推出三个版本,其中P70和P70 Pro采用了三角形的摄像头模组设计,而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智,但辨识度绝对拉满。
更新日志
2025年01月09日
2025年01月09日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]