Python并不仅仅是一个做Machine Learning的语言。
说到Python，一般都会感觉它关联着ML，如果不是做ML开发，就会觉得离自己很远。而实际上，作为一门语言，Python在应用中跟别的语言没什么区别，甚至在某些时间，它的方便会让人感觉很舒服。
试想一下，有个小需求，需要临时改一些数据库的数据。怎么搞？直接写数据库脚本？麻烦。开个IDE写段代码？更麻烦。这时候，有Python就很爽了 --- 随便开个Notepad或VIM，写段代码，就搞定了。
很方便，有没有？
所以，不管做什么样的开发，了解一点Python，还是有点意义的。
今天我们就整理一个知识点：Python操作MongoDB数据库。
为了防止不提供原网址的转载，特在这里加上原文链接：https://www.cnblogs.com/tiger-wang/p/13216977.html
一、运行准备
首先，我们需要有Python3 。现在Python全线从v2转为v3，如果还停留在v2的年代，不妨升一下级。
Python3的安装不详细说，官网在https://www.python.org。
检查是否安装Python3，可以用以下命令：
% python3 --version
Python 3.7.4
如果安装了，会返回Python3的版本号。我装的是3.7.4 。
Python操作MongoDB数据库，需要PyMongo库的支持。
% pip install pymongo
或者
% python3 -m pip install pymongo
pip是Python全系的软件包管理工具，类似于Ubuntu/Debian的apt、Centos的rpm、MacOS的brew。
新安装的Python3，可能没有pip命令。检查一下：
% pip --version
同样，如果有安装，会返回pip的版本号。
如果没有安装，以下是命令：
% curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
% python3 get-pip.py
也可以去pip官网自行查找安装。官网在https://pip.pypa.io/en/stable/
MongoDB也需要安装好。安装过程在文章15分钟从零开始搭建支持10w+用户的生产环境(二)里有详细的步骤，这儿略过。
这样，我们就准备好了全部的运行环境。
二、操作MongoDB
1. 连接串
MongoDB的连接串，在所有开发语言中都是一样的：
database_connection_uri = "mongodb://localhost:27031/admin"
2. 连接数据库
PyMongo提供了MongoClient用来连接MongoDB，并初始化对象。
client = pymongo.MongoClient(database_connection_uri)
3. 打开数据库和数据集
db = client["Test"]
collection = db["TestCollection"]
这个例子中，数据库叫Test，数据集Collection叫TestCollection 。
到这儿，数据集已经正常打开。
全部的代码如下：
#!/usr/local/bin python3
# -*- coding: UTF-8 -*-
import pymongo
database_connection_uri = "mongodb://localhost:27031/admin"
def main():
client = pymongo.MongoClient(database_connection_uri)
db = client["Test"]
collection = db["TestCollection"]
print("Success !!!")
if __name__ == '__main__':
main()
4. 创建索引
MongoDB中，索引很关键。一个好的索引可以让上亿级的数据集查询在毫秒内出结果。
collection.create_index([("article_id", pymongo.ASCENDING)], background=True)
升序是pymongo.ASCENDING，降序是pymongo.DESCENDING。
看参数就知道，如果创建联合索引，就把字段名一个一个列出来：
collection.create_index([("article_id", pymongo.ASCENDING), ("action_time", pymongo.DESCENDING)], background=True)
在MongoDB中，索引可以在任何时候创建。
5. 创建数据
PyMongo所有数据采用Json数据。
Demo数据：
import datetime
article1 = {
"article_id": 1,
"title": "文章标题1",
"body": "文章内容1",
"action_time": datetime.datetime.utcnow()
}
直接调用collection对象的insert命令创建数据：
result = collection.insert(article1)
创建成功后，会返回该数据文档的_id值。
看一下全部代码：
def main():
client = pymongo.MongoClient(database_connection_uri)
db = client["Test"]
collection = db["TestCollection"]
article1 = {
"article_id": 1,
"title": "文章标题1",
"body": "文章内容1",
"action_time": datetime.datetime.utcnow()
}
result = collection.insert(article1)
print(result)
也可以一次创建多条文档：
result = collection.insert([article1, article2])
注意那个中括号。
多条创建时，返回值result也是个列表，里面是所有创建记录的_id值。
此外，PyMongo还提供了另外两个方法：insert_one和insert_many，对应创建一条数据和多条数据。
result = collection.insert_one(article1)
result = collection.insert_many([article1, article2])
这两个方法返回值与insert返回值略有不同，返回的是个对象。
insert_one返回InsertOneResult，InsertOneResult.inserted_id才是_id值。
insert_many返回InsertManyResult，InsertManyResult.inserted_ids是_id的列表。
6. 查询数据
查询数据有两个方法：find_one和find。
先说find_one，看名称就知道，是查一条文档数据，返回结果是一个字典类型的记录。
result = collection.find_one({"article_id": 1})
print(type(result))
print(result)
输出结果：
<class 'dict'>
{'_id': ObjectId('5efb1ecc7ca7cd50ed1150ed'), 'article_id': 1, 'title': '文章标题1', 'body': '文章内容1', 'action_time': datetime.datetime(2020, 6, 30, 11, 15, 24, 97000)}
当然也可以使用_id查询：
from bson.objectid import ObjectId
result = collection.find_one({'_id': ObjectId('5efb1ecc7ca7cd50ed1150ed')})
find方法，用来查询多条数据。
results = collection.find({"title": {"$ne":""}})
print(type(results))
print(results)
for result in results:
print(result)
输出结果：
<class 'pymongo.cursor.Cursor'>
<pymongo.cursor.Cursor object at 0x7f82c2cf7d50>
{'_id': ObjectId('5efb1ecc7ca7cd50ed1150ed'), 'article_id': 1, 'title': '文章标题1', 'body': '文章内容1', 'action_time': datetime.datetime(2020, 6, 30, 11, 15, 24, 97000)}
{'_id': ObjectId('5efb1ecc7ca7cd50ed1150ee'), 'article_id': 2, 'title': '文章标题2', 'body': '文章内容2', 'action_time': datetime.datetime(2020, 6, 30, 11, 15, 24, 97000)}
能看出，find查询的结果是一个游标cursor，指向返回的数据集合。数据可以循环读出。
7. 结果统计
统计查询结果有多少条数据，PyMongo提供了一个count方法：
results = collection.find({"title": {"$ne":""}}).count()
或者查整个数据集的数据：
results = collection.find().count()
8. 排序查询
排序也是一个方法，sort：
results = collection.find({"title": {"$ne":""}}).sort("action_time", pymongo.ASCENDING)
升序是pymongo.ASCENDING，降序是pymongo.DESCENDING。
9. 偏移和限定
两个用处不大不小的功能，通常在一起用，当然分开也没关系。
results = collection.find({"title": {"$ne":""}}).sort("action_time", pymongo.DESCENDING).skip(1).limit(1)
limit限定了结果集取多少条数据，而skip则决定跳过多少条数据后去取。
在数据量不大的情况下，可以用来做分页。而如果数据量很大，这种方式效率不高，更好的做法是记住前一个页的最后一条数据的关键值，例如_id，查询时取条件大于这个值的数据。
10. 更新数据
PyMongo提供了两个更新数据的方法：update_one和update_many。代码是这样的：
filter = {"article_id": 1}
update = {"$set": {"body": "新的文章内容"}}
result = collection.update_one(filter, update)
print(type(result))
返回一个对象UpdateResult，里面包含更新结果的全部信息。
注意：这儿有个不同于传统SQL的地方，一定要注意。当更新的条件匹配到多条数据时，update_one只会更新匹配到的数据集中第一条数据，update_many可以更新匹配到的全部数据。所以，如果用update_one，除非是你本意，一定要确定条件匹配到的数据唯一。
11. 删除数据
也同样有两个方法：delete_one和delete_many。用法和更新相似：
filter = {"article_id": 1}
result = collection.delete_one(filter)
print(type(result))
同样的，delete_one也只会删除匹配到的数据集中第一条数据。
11. 原子级处理
这是MongoDB中的一个特色操作，也是早期MongoDB的无奈之选。因为早期版本的MongoDB并不支持事务处理。而上面讲到的更新和删除，并不能保证并发情况下的数据安全。
MongoDB为了解决这个并发的数据问题，增加了三个原子级的处理，对应于PyMongo的三个方法：find_one_and_update、find_one_and_replace和find_one_and_delete。
这三个方法，看名字就知道做什么的。用法上，跟上面的更新和删除一致，区别在于：这三个方法执行的时候，会通过数据锁来保证数据修改在并发状态下的一致性。当然，这个处理是有一定代价的，它要比上面说的更新和删除慢一点，实测数据会慢5毫秒左右。
这三个方法应用挺广的。比方我们需要生成一个自增量ID，就可以用find_one_and_update来控制增量数据，因为他是原子级操作，所以并发也不会有重复的数据产生。
嗯，MongoDB从4.0开始，已经全面支持事务了。不过，这三个方法依然保留了下来。
12. 事务
这是一个新特性，需要数据库4.0以上才支持。写法上，跟传统的事务没什么区别。
with client.start_session() as s:
s.start_transaction()
filter = {"article_id": 1}
update = {"$set": {"body": "新的文章内容"}}
result = collection.update_one(filter, update)
result = collection.delete_one(filter)
s.commit_transaction()
以上部分，就是Python操作MongoDB的全部内容。
最后，送大家一个彩蛋。
三、彩蛋
有时候，我们需要把写好的Python程序给到别人来使用，可是，我们又不能让别人也装个Python。怎么办？
神器来了。
PyInstaller，官网在http://www.pyinstaller.org。
它的作用，是把您写的Python程序，转成各种操作系统下的可执行文件。
PyInstaller安装很简单：
% pip install pyinstaller
使用更简单：
% pyinstaller your_code.py
经过一翻编译，会生成几个目录。其中，dist目录下，就是编译完成的可执行程序。当然，我们的Python程序会引用或依赖一些库，而可爱的PyInstaller，也很贴心的把这些库复制到了这个目录中。
找到目录中同名的可执行程序，例如这个例子中，将是your_code，运行之，搞定。
（全文完）
本文的配套代码，在https://github.com/humornif/Demo-Code/tree/master/0016
 |
微信公众号：老王Plus 扫描二维码，关注个人公众号，可以第一时间得到最新的个人文章和内容推送 本文版权归作者所有，转载请保留此声明和原文链接 |