第9章 MongoDB聚合管道实战（二）：$group操作符的应用与技巧使用 MongoDB 的聚合管道来分析销售数据，

在上一篇文章【MongoDB聚合管道实战一：project操作符的应用与技巧】中，展示了如何使用 MongoDB 的聚合管道计算每位学生的平均成绩，并找出表现最好的学生。利用聚合管道中的project、sort和limit等操作符，可以方便地进行数据分析与处理，满足具体的业务需求。本文中，我们将探讨如何利用MongoDB的聚合管道$group操作符来实现这样的高级功能。

知识回顾

MongoDB 的聚合管道提供了一系列强大的操作符，用于处理和分析数据。以下是一些常用的聚合阶段及其介绍：

1. `$match`

功能：过滤文档以指定条件。
使用场景：在数据流经过管道时，选择符合条件的文档进行后续处理。
示例：
```
{ $match: { status: "active" } }
```

2. `$group`

功能：将多个文档分组，并对每个组进行聚合操作（例如求和、计数等）。
使用场景：进行汇总计算，如计算总销售额、平均值等。

示例：

{
  $group: {
    _id: "$customer_id",
    totalSales: { $sum: "$amount" }
  }
}

3. `$sort`

功能：对文档进行排序。
使用场景：根据特定字段的值进行升序或降序排序。

示例：

{ $sort: { totalSales: -1 } } // 降序排序

4. `$project`

功能：选择、重命名或计算字段。
使用场景：输出所需的字段，进行字段的格式化或计算。

示例：

{
  $project: {
    stu_name: 1,
    averageScore: { $avg: "$scores" }
  }
}

5. `$limit`

功能：限制返回的文档数量。
使用场景：控制输出结果集的大小。
示例：
```
{ $limit: 5 }
```

6. `$skip`

功能：跳过指定数量的文档。
使用场景：常用于分页，跳过前面的文档。
示例：
```
{ $skip: 10 }
```

7. `$unwind`

功能：将数组字段拆分为多条文档，每个文档只包含数组中的一个元素。
使用场景：处理文档中包含数组字段的情况，便于进一步分析。
示例：
```
{ $unwind: "$items" }
```

8. `$addFields`

功能：向文档添加新字段或更新现有字段。
使用场景：在管道中动态计算和添加字段。

示例：

{
  $addFields: {
    totalPrice: { $multiply: ["$price", "$quantity"] }
  }
}

9. `$replaceRoot`

功能：替换输入文档为指定文档。
使用场景：当需要将嵌套文档提升为根文档时使用。

示例：

{
  $replaceRoot: { newRoot: "$details" }
}

10. `$facet`

功能：进行多管道并行处理，可以在同一集合上进行不同的聚合查询。
使用场景：在一个聚合操作中获得多个不同的结果。

示例：

{
  $facet: {
    totalSales: [{ $group: { _id: null, total: { $sum: "$amount" } }}],
    averageSales: [{ $group: { _id: null, average: { $avg: "$amount" } }}]
  }
}

11. `$lookup`

功能：进行集合间的连接操作（类似 SQL 的 JOIN）。
使用场景：将来自其他集合的数据合并到当前文档。

示例：

{
  $lookup: {
    from: "customers",
    localField: "customer_id",
    foreignField: "_id",
    as: "customerInfo"
  }
}

任务描述

使用 MongoDB 的聚合管道来分析销售数据，计算每天的销售总额，并找出销售额最高的日期。利用 $group、$sort 和 $limit 等聚合操作符，您可以灵活地进行数据分析，获取商业洞察。

假设我们有一个 sales 集合，用于记录销售订单。每个销售订单包含以下字段：_id、date（销售日期）、amount（销售金额）。

数据结构

{
  "_id": ObjectId("..."),
  "date": ISODate("2024-01-01 00:00:00"),
  "amount": 200
}

任务准备

首先，我们需要插入一些示例数据：

db.sales.insertMany([
  { date: new Date("2024-01-01"), amount: 200 },
  { date: new Date("2024-01-01"), amount: 150 },
  { date: new Date("2024-01-02"), amount: 300 },
  { date: new Date("2024-01-02"), amount: 250 },
  { date: new Date("2024-01-03"), amount: 400 },
  { date: new Date("2024-01-03"), amount: 300 }
]);

任务实施

聚合管道实现

我们将使用以下聚合管道来实现需求：计算每天的销售总额，并找出销售额最高的日期。

db.sales.aggregate([
  {
    $group: {
      _id: { $dateToString: { format: "%Y-%m-%d", date: "$date" } }, // 以日期为依据进行分组
      totalSales: { $sum: "$amount" } // 计算每天的销售总额
    }
  },
  {
    $sort: { totalSales: -1 } // 按销售总额降序排序
  },
  {
    $limit: 1 // 只返回销售额最高的日期
  }
]);

聚合管道分解

$group：
- "_id": { $dateToString: { format: "%Y-%m-%d", date: "$date" } }：以日期为依据进行分组，使用 $dateToString 操作符将日期格式化为字符串。
- totalSales: { $sum: "$amount" }：计算每天的销售总额。
$sort：
- { totalSales: -1 }：按照计算出的销售总额进行降序排序。
$limit：
- 限制结果只返回销售额最高的日期。

执行结果

执行上述聚合管道后，您将获得类似的结果：

[  { "_id": "2024-01-03", "totalSales": 700 }]

这表明在 2024 年 1 月 3 日的销售总额最高，达到了 700。

实验实训

小任务1：计算每门科目的平均成绩

编写一个聚合查询，计算学生在每门科目的平均成绩。假设每个学生有多门科目成绩存储在一个文档中。

预期输出：

科目 (subject) 平均成绩 (averageScore) MongoDB聚合查询：

db.students.aggregate([
  {
    $unwind: "$scores"
  },
  {
    $group: {
      _id: "$scores.subject",
      averageScore: { $avg: "$scores.score" }
    }
  },
  {
    $project: {
      subject: "$_id",
      averageScore: 1,
      _id: 0
    }
  }
]);

小任务2：统计每门科目的成绩分布

编写一个聚合查询，统计每门科目中不同成绩范围的学生数量。假设成绩范围分为 60 以下、60-70、70-80、80-90 和 90 以上。

预期输出：

科目 (subject) 不同成绩范围的学生数量 (scoreDistribution) MongoDB聚合查询：

db.students.aggregate([
  {
    $unwind: "$scores"
  },
  {
    $group: {
      _id: "$scores.subject",
      distribution: {
        $push: {
          scoreRange: {
            $cond: {
              if: { $lt: ["$scores.score", 60] },
              then: "<60",
              else: {
                $cond: {
                  if: { $lt: ["$scores.score", 70] },
                  then: "60-70",
                  else: {
                    $cond: {
                      if: { $lt: ["$scores.score", 80] },
                      then: "70-80",
                      else: {
                        $cond: {
                          if: { $lt: ["$scores.score", 90] },
                          then: "80-90",
                          else: ">90"
                        }
                      }
                    }
                  }
                }
              }
            }
          },
          count: 1
        }
      }
    }
  },
  {
    $project: {
      subject: "$_id",
      scoreDistribution: {
        $reduce: {
          input: "$distribution",
          initialValue: {},
          in: {
            $mergeObjects: [
              "$$value",
              {
                [$$.this.scoreRange]: { $sum: ["$$value.$$.this.count", "$$.this.count"] }
              }
            ]
          }
        }
      }
    }
  },
  {
    $project: {
      subject: 1,
      scoreDistribution: 1,
      _id: 0
    }
  }
]);

小任务3：统计每门科目的最高成绩

编写一个聚合查询，找出每门科目的最高成绩。

预期输出：

科目 (subject) 最高成绩 (maxScore) MongoDB聚合查询：

db.students.aggregate([
  {
    $unwind: "$scores"
  },
  {
    $group: {
      _id: "$scores.subject",
      maxScore: { $max: "$scores.score" }
    }
  },
  {
    $project: {
      subject: "$_id",
      maxScore: 1,
      _id: 0
    }
  }
]);

小任务4：统计每个学生每门科目的成绩变化趋势

编写一个聚合查询，统计每个学生每门科目的成绩变化趋势，输出每个学生每门科目的最早和最晚的成绩。

预期输出：

学生编号 (stu_no) 学生姓名 (stu_name) 科目 (subject) 最早成绩 (earliestScore) 最晚成绩 (latestScore) MongoDB聚合查询：

db.students.aggregate([
  {
    $unwind: "$scores"
  },
  {
    $group: {
      _id: { stu_no: "$stu_no", stu_name: "$stu_name", subject: "$scores.subject" },
      earliestScore: { $min: "$scores.score" },
      latestScore: { $max: "$scores.score" }
    }
  },
  {
    $project: {
      stu_no: "$_id.stu_no",
      stu_name: "$_id.stu_name",
      subject: "$_id.subject",
      earliestScore: 1,
      latestScore: 1,
      _id: 0
    }
  }
]);

通过这些任务，您可以更加熟练地使用 $group 操作符来处理数据，并能够应对各种不同的聚合需求。

总结

通过以上案例，我们展示了如何使用 MongoDB 的聚合管道计算每位学生的平均成绩，并找出表现最好的学生。利用聚合管道中的 $project、$sort 和 $limit 等操作符，可以方便地进行数据分析与处理，满足具体的业务需求。这种灵活性使得 MongoDB 成为处理复杂数据分析任务的理想选择。下一篇我们继续讲解聚合管理 $unwind`、`$ group 和 $project`综合应用。

第9章 MongoDB聚合管道实战（二）：$group操作符的应用与技巧

知识回顾

1. $match

2. $group

3. $sort

4. $project

5. $limit

6. $skip

7. $unwind

8. $addFields

9. $replaceRoot

10. $facet

11. $lookup

任务描述

数据结构

任务准备

任务实施

聚合管道实现

聚合管道分解

执行结果

实验实训

小任务1：计算每门科目的平均成绩

小任务2：统计每门科目的成绩分布

小任务3：统计每门科目的最高成绩

小任务4：统计每个学生每门科目的成绩变化趋势

总结

1. `$match`

2. `$group`

3. `$sort`

4. `$project`

5. `$limit`

6. `$skip`

7. `$unwind`

8. `$addFields`

9. `$replaceRoot`

10. `$facet`

11. `$lookup`