mongodb - 列出所有键的唯一 Mongo DB 值的计数因子

Question

我正在为我一直使用的 MongoDB 准备一个描述性“模式”(quelle horreur)。

我用了优秀的variety.js创建所有键的列表并显示每个键的覆盖范围。但是，在与键对应的值只有一小部分值的情况下，我希望能够将整个集合列为“可用值”。在 R 中，我会将这些视为分类变量的“因素”，即性别:["M", "F"]。

我知道我可以只使用 R + RMongo，查询每个变量，基本上执行与创建直方图相同的过程，但我想知道正确的 Mongo.query()/javascript/Map,Reduce解决这个问题的方法。我知道 db.collection.aggregate() 函数正是为此而设计的。

在问这个之前，我引用了:

• http://docs.mongodb.org/manual/reference/aggregation/
• http://docs.mongodb.org/manual/reference/method/db.collection.distinct/
• How to query for distinct results in mongodb with python?
• Get a list of all unique tags in mongodb
• http://cookbook.mongodb.org/patterns/count_tags/

但不能完全正确地安排流水线顺序。因此，例如，如果我有这样的文档:

{_id : 1, "key1" : "value1", "key2": "value3"}
{_id : 2, "key1" : "value2", "key2": "value3"}

我想返回如下内容:

{"key1" : ["value1", "value2"]}
{"key2" : ["value3"]}

或者更好，有计数:

{"key1" : ["value1" : 1, "value2" : 1]}
{"key2" : ["value3" : 2]}

我认识到这样做的一个问题是任何具有广泛不同值的值——因此，文本字段或连续变量。理想情况下，如果有超过 x 个不同的可能值，最好截断，比如不超过 20 个唯一值。如果我发现它实际上更多，我会直接查询该变量。

这是不是这样的:

db.collection.aggregate(
   {$limit: 20,
    $group: {
        _id: "$??varname",
        count: {$sum: 1}
   }})

首先，我如何引用 ??varname？每个键的名称？

我看到这个链接有 95%: Binning and tabulate (unique/count) in Mongo

与...

input data:

{ "_id" : 1, "age" : 22.34, "gender" : "f" }
{ "_id" : 2, "age" : 23.9, "gender" : "f" }
{ "_id" : 3, "age" : 27.4, "gender" : "f" }
{ "_id" : 4, "age" : 26.9, "gender" : "m" }
{ "_id" : 5, "age" : 26, "gender" : "m" }

这个脚本:

db.collection.aggregate(
   {$project: {gender:1}},
   {$group: {
        _id: "$gender",
        count: {$sum: 1}
   }})

产生:

{"result" : 
   [
     {"_id" : "m", "count" : 2},
     {"_id" : "f", "count" : 3}
   ],
   "ok" : 1
}

但我不明白的是，对于具有潜在大量返回值的未知数量/名称的键，我如何才能做到这一点？此示例知道键名是性别，并且响应集会很小(2 个值)。

Answer 1

如果您已经运行了一个脚本来输出集合中所有键的名称，您可以动态生成聚合框架管道。这意味着要么扩展 variety.js 类型脚本，要么自己编写。

如果传递一个名为“keys”的数组，它有几个非“_id”命名字段(我假设顶级字段并且你不关心数组，嵌入文档)，它在 JS 中可能看起来像等)。

keys = ["key1", "key2"];
group = { "$group" : { "_id" : null } } ;
keys.forEach( function(f) {
     group["$group"][f+"List"] = { "$addToSet" : "$" + f };  } );
db.collection.aggregate(group);
{
    "result" : [
        {
            "_id" : null,
            "key1List" : [
                "value2",
                "value1"
            ],
            "key2List" : [
                "value3"
            ]
        }
    ],
    "ok" : 1
}