MongoDB的查询数组

首先我们先插入几个文档

> db.food.insert({"_id":1, "fruit":["apple","banana","peach"]})
> db.food.insert({"_id":2, "fruit":["apple","kumquat","orange"]})
> db.food.insert({"_id":3, "fruit":["cherry","banana","apple"]})

我们想要查询既包含"apple"并且又包含"banana"的文档,就需要使用"$all"来查询

> db.food.find({"fruit":{"$all":["apple","banana"]}})
{ "_id" : 1, "fruit" : [ "apple", "banana", "peach" ] }
{ "_id" : 3, "fruit" : [ "cherry", "banana", "apple" ] }

还记得之前的"$in"吗,如果我们需要查询包含"apple"或者"banana"的文档,则使用"$in"

> db.food.find({"fruit":{"$in":["apple","banana"]}})
{ "_id" : 1, "fruit" : [ "apple", "banana", "peach" ] }
{ "_id" : 2, "fruit" : [ "apple", "kumquat", "orange" ] }
{ "_id" : 3, "fruit" : [ "cherry", "banana", "apple" ] }

使用"$size"可以查询指定长度的数组

> db.food.find({"fruit":{$size:3}})
{ "_id" : 1, "fruit" : [ "apple", "banana", "peach" ] }
{ "_id" : 2, "fruit" : [ "apple", "kumquat", "orange" ] }
{ "_id" : 3, "fruit" : [ "cherry", "banana", "apple" ] }

使用"$slice"返回数组中的一个子集合

> db.blog.findOne()
{
    "_id" : ObjectId("4e914ad2717ed94f8289ac08"),
    "comments" : [
        {
            "name" : "joe",
            "email" : "joe@example.com",
            "content" : "good blog"
        },
        {
            "content" : "Changed Comment",
            "email" : "john@gmail.com",
            "name" : "john"
        },
        {
            "name" : "test",
            "email" : "test@test.com",
            "content" : "test"
        },
        {
            "name" : "test1",
            "email" : "test1@test.com",
            "content" : "test1"
        },
        {
            "name" : "test12",
            "email" : "test12@test.com",
            "content" : "test12"
        },
        {
            "name" : "test123",
            "email" : "test123@test.com",
            "content" : "test123"
        }
    ],
    "content" : "My first blog.",
    "title" : "Hello World"
}

需要返回comments中的前两条数据,如下查询语句

> db.blog.findOne({},{"comments":{$slice:2}})
{
    "_id" : ObjectId("4e914ad2717ed94f8289ac08"),
    "comments" : [
        {
            "name" : "joe",
            "email" : "joe@example.com",
            "content" : "good blog"
        },
        {
            "content" : "Changed Comment",
            "email" : "john@gmail.com",
            "name" : "john"
        }
    ],
    "content" : "My first blog.",
    "title" : "Hello World"
}

查询comments中后两条数据的查询语句:

> db.blog.findOne({},{"comments":{$slice:-2}})

还可以返回跳过几个文档之后的几个文档

> db.blog.findOne({},{"comments":{$slice:[1,2]}})
{
    "_id" : ObjectId("4e914ad2717ed94f8289ac08"),
    "comments" : [
        {
            "content" : "Changed Comment",
            "email" : "john@gmail.com",
            "name" : "john"
        },
        {
            "name" : "test",
            "email" : "test@test.com",
            "content" : "test"
        }
    ],
    "content" : "My first blog.",
    "title" : "Hello World"
}

转自:http://www.guoxk.com/node/mongodb-query-array

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值