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。
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
暂无评论...
更新日志
2024年11月25日
2024年11月25日
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]