知識星球
本文的目的是展示一些示例，以便你開始使用MongoDB和Pandas。
作者：薩揚·穆霍帕迪亞（Sayan Mukhopadhyay）
如需轉載請聯絡大資料（ID：hzdashuju）
01 Python版本MongoDB
MongoDB是一個開原始檔資料庫，旨在實現卓越的效能、易用性和自動擴充套件。MongoDB確保不需要物件關係對映（ORM）來促進開發。包含由欄位和值對組成的資料結構的檔案在MongoDB中稱為記錄（record）。這些記錄類似於JSON物件。欄位的值可以包括其他檔案、陣列和檔案陣列。
{ "_id":ObjectId("01"),
"address": {
"street":"Siraj Mondal Lane",
"pincode":"743145",
"building":"129",
"coord": [ -24.97, 48.68 ]
},
"borough":"Manhattan",
1. 將資料匯入集合
mongoimport可使用系統指令碼或命令提示符將檔案放入資料庫的集合中。如果集合預先存在於資料庫中，操作將首先丟棄原始集合。
mongoimport --DB test --collection restaurants --drop --file ~/ downloads/primer-dataset.json
mongoimport命令連線到埠號為27017的本地執行的MongoDB實體。選項 –file 提供了匯入資料的方法，此處為 ~/downloads/primer-dataset.json。
要將資料匯入到執行在不同主機或埠上的MongoDB實體中，需要在 mongoimport 命令中特別指出主機名或埠，用選項 –host 或 –port。
MySQL中有類似的命令load。
2. 使用pymongo建立連線
要建立連線，請執行以下操作：
import MongoClient from pymongo.
Client11 = MongoClient()
如果MongoClient無引數，那麼將預設在埠27017上的本地埠上執行MongoDB實體。
可以指定一個完整的MongoDB URL來定義連線，其中包括主機和埠號。例如，下麵的程式碼會連線到一個MongoDB實體，該實體執行在 mongodbo.example.net 的27017埠上：
Client11 = MongoClient("mongodb://myhostname:27017")
3. 訪問資料庫物件
要將名為primer的資料庫分配給區域性變數DB，可以使用以下任意一行程式碼：
Db11 = client11.primer
db11 = client11['primer']
集合物件可以透過字典或資料庫物件屬性進行訪問，如以下兩個示例所示：
Coll11 = db11.dataset
coll = db11['dataset']
4. 插入資料
你可以將檔案放入目前不存在的集合中，以下操作將建立集合：
result=db.addrss.insert_one({<>)
5. 更新資料
以下是更新資料的方法：
result=db.address.update_one(
{"building": "129",
{"$set": {"address.street": "MG Road"}}
)
6. 刪除資料
要從集合中刪除所有檔案，請使用以下命令：
result=db.restaurants.delete_many({})
02 Pandas
下麵展示一些示例，以便你開始使用Pandas。這些示例取自現實世界的資料，資料上自然會有一些瑕疵。Pandas是受R資料框架概念啟發形成的框架。
要從CSV檔案中讀取資料，請使用以下命令：
import pandas as pd
broken_df=pd.read_csv('data.csv')
要檢視前三行，請使用：
broken_df[:3]
要選擇列，請使用：
fixed_df['Column Header']
要繪製列，請使用：
fixed_df['Column Header'].plot()
要獲取資料集中的最大值，請使用以下命令：
MaxValue=df['Births'].max() where Births is the column essay-header
假設資料集中有另一列名為Name，Name的命令與最大值相關聯。
MaxName=df['Names'][df['Births']==df['Births'].max()].values
在Pandas中還有許多其他方法，例如 sort、groupby 和 orderby，它們對於結構化資料的使用很有用。此外，Pandas還有一個現成的配接器，適用於MongoDB、Google Big Query等流行資料庫。
接下來將展示一個與Pandas相關的複雜示例。在不同列值的X資料框中，查詢root列分組的平均值。
for col in X.columns:
if col != 'root':
avgs = df.groupby([col,'root'], as_index=False)['floor'].aggregate(np.mean)
for i,row in avgs.iterrows():
k = row[col]
v = row['floor']
r = row['root']
X.loc[(X[col] == k) & (X['root'] == r), col] = v2.
關於作者：Sayan Mukhopadhyay擁有超過13年的行業經驗，並與瑞信、PayPal、CA Technologies、CSC和Mphasis等公司建立了聯絡。他對投資銀行、線上支付、線上廣告、IT架構和零售等領域的資料分析應用有著深刻的理解。他的專業領域是在分散式和資料驅動的環境（如實時分析、高頻交易等）中，實現高效能運算。
本文摘編自《Python高階資料分析：機器學習、深度學習和NLP實體》，經出版方授權釋出。
延伸閱讀《Python高階資料分析》
點選上圖瞭解及購買
轉載請聯絡微信：DoctorData
推薦語：本書介紹高階資料分析概念的廣泛基礎，以及最近的資料庫革命，如Neo4j、彈性搜尋和MongoDB。本書討論瞭如何實現包括區域性爬取在內的ETL技術，並應用於高頻演演算法交易和標的導向的對話系統等領域。還有一些機器學習概念的例子，如半監督學習、深度學習和NLP。本書還涵蓋了重要的傳統資料分析技術，如時間序列和主成分分析等。
