数据处理入门干货:MongoDB和pandas极简教程

Posted 大数据DT

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据处理入门干货:MongoDB和pandas极简教程相关的知识,希望对你有一定的参考价值。


导读:MongoDB是一个开源文档数据库,旨在实现卓越的性能、易用性和自动扩展。Pandas是受R数据框架概念启发形成的框架。


本文的目的是展示一些示例,以便你开始使用MongoDB和Pandas。


如需转载请联系大数据(ID:hzdashuju)



01 Python版本MongoDB


MongoDB是一个开源文档数据库,旨在实现卓越的性能、易用性和自动扩展。MongoDB确保不需要对象关系映射(ORM)来促进开发。包含由字段和值对组成的数据结构的文档在MongoDB中称为记录(record)。这些记录类似于JSON对象。字段的值可以包括其他文档、数组和文档数组。


"_id":ObjectId("01"),
"address": {
"street":"Siraj Mondal Lane",
"pincode":"743145",
"building":"129",
"coord": [ -24.9748.68 ]
  },
"borough":"Manhattan",


1. 将数据导入集合


mongoimport可使用系统脚本或命令提示符将文档放入数据库的集合中。如果集合预先存在于数据库中,操作将首先丢弃原始集合。


mongoimport --DB test --collection restaurants --drop --file ~/ downloads/primer-dataset.json


mongoimport命令连接到端口号为27017的本地运行的MongoDB实例。选项 --file 提供了导入数据的方法,此处为 ~/downloads/primer-dataset.json


要将数据导入到运行在不同主机或端口上的MongoDB实例中,需要在 mongoimport 命令中特别指出主机名或端口,用选项 --host--port


mysql中有类似的命令load。


2. 使用pymongo创建连接


要创建连接,请执行以下操作:


import MongoClient from pymongo.
Client11 = MongoClient()


如果MongoClient无参数,那么将默认在端口27017上的本地端口上运行MongoDB实例。


可以指定一个完整的MongoDB URL来定义连接,其中包括主机和端口号。例如,下面的代码会连接到一个MongoDB实例,该实例运行 mongodbo.example.net 的27017端口上:


Client11 = MongoClient("mongodb://myhostname:27017")


3. 访问数据库对象


要将名为primer的数据库分配给局部变量DB,可以使用以下任意一行代码:


Db11 = client11.primer
db11 = client11['primer']


集合对象可以通过字典或数据库对象属性进行访问,如以下两个示例所示:


Coll11 = db11.dataset
coll = db11['dataset']


4. 插入数据


你可以将文档放入目前不存在的集合中,以下操作将创建集合:


result=db.addrss.insert_one({<<your json >>)


5. 更新数据


以下是更新数据的方法:


result=db.address.update_one(
{"building""129",
{"$set": {"address.street""MG Road"}}
)


6. 删除数据


要从集合中删除所有文档,请使用以下命令:


result=db.restaurants.delete_many({})



02 Pandas


下面展示一些示例,以便你开始使用Pandas。这些示例取自现实世界的数据,数据上自然会有一些瑕疵。Pandas是受R数据框架概念启发形成的框架。


要从CSV文件中读取数据,请使用以下命令:


import pandas as pd
broken_df=pd.read_csv('data.csv')


要查看前三行,请使用:


broken_df[:3]


要选择列,请使用:


fixed_df['Column Header']


要绘制列,请使用:


fixed_df['Column Header'].plot()


要获取数据集中的最大值,请使用以下命令:


MaxValue=df['Births'].max() where Births is the column header


假设数据集中有另一列名为Name,Name的命令与最大值相关联。


MaxName=df['Names'][df['Births']==df['Births'].max()].values


在Pandas中还有许多其他方法,例如 sortgroupbyorderby,它们对于结构化数据的使用很有用。此外,Pandas还有一个现成的适配器,适用于MongoDB、Google Big Query等流行数据库。


接下来将展示一个与Pandas相关的复杂示例。在不同列值的X数据框中,查找root列分组的平均值。


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.


本文摘编自《Python高级数据分析:机器学习、深度学习和NLP实例》,经出版方授权发布。