MongoDB之数据库命令操作(二)

本文详细介绍MongoDB数据库的各种操作,包括查询、排序、限制等基本功能,以及聚合函数、索引创建等高级特性。

现在详细学习一下mongodb的数据库操作。

查询语句

db.xxx(集合name).find() # 查询
db.xxx(集合name).findOne() # 只返回一个
db.xxx(集合name).findOne().pretty() # 返回结果格式化

# 比较运算符
等于,默认是等于判断,没有运算符,如:db.xxx(集合name).find({name:"xiao"})
小于$lt,如:db.xxx(集合name).find({age:{$lt:30}})
小于或等于$lte,如:db.xxx(集合name).find({age:{$lte:30}})
大于$gt,如:db.xxx(集合name).find({age:{$gt:30}})
大于或等于$gte,如:db.xxx(集合name).find({age:{$gte:30}})
不等于$ne,如:db.xxx(集合name).find({age:{$ne:30}})

# 逻辑运算符,即多条件查询
db.xxx(集合name).find({age:{$ne:30}, name:"xiaoming"}) # 默认逻辑与
db.xxx(集合name).find({$or:[{age:{$ne:30}, name:"xiaoming"}]}) # 默认逻辑或

# 范围查询
db.xxx(集合name).find({age:{$in:[18,30]}}) # 在某个范围
db.xxx(集合name).find({age:{$nin:[18,30]}}) # 不在某个范围

# 正则$regex
db.xxx(集合name).find({name:{$regex:"^x"}})

# 函数查询$where,使用this代表本集合
db.xxx(集合name).find({$where:function(){return this.age < 10}})

# 限制返回数量
db.xxx(集合name).find().limit(3)
# 查询偏移
db.xxx(集合name).find().skip(3) # 从第4条开始返回

# 循环
for(i=0;i<15;i++){db.xxx(集合name).insert({_id:i*2})}

# 查询返回一些字段,需要返回设置1,不需要设置0
db.xxx(集合name).find({},{name:1,age:0})

# 排序sort(),1位升序,-1为降序
db.xxx(集合name).find().sort({name:-1})
# 返回个数count()
db.xxx(集合name).count({name:"xiaoming"})
# 去重
db.xxx(集合name).distinct("name",{})

聚合函数

  • 语法:db.集合名称.aggregate({管道:{表达式}})
# 管道
$group:将集合中的文档分组,可用于统计结果
$match:过滤数据,只输出符合条件的文档
$project:修改输入文档的结构,如重命名、增加、删除字段、创建计算结果
$sort:将输入文档排序后输出
$limit:限制聚合管道返回的文档数
$skip:跳过指定数量的文档,并返回余下的文档
$unwind:将数组类型的字段进行拆分

# 表达式
$sum:计算总和,$sum:1同count表示计数
$avg:计算平均值
$min:获取最小值
$max:获取最大值
$push:在结果文档中插入值到一个数组中
$first:根据资源文档的排序获取第一个文档数据
$last:根据资源文档的排序获取最后一个文档数据

索引

  • 1表示升序,-1表示降序

  • 语法结构:db.COLLECTION_NAME.ensureIndex(keys[,options])

keys,要建立索引的参数列表。如:{KEY:1},其中key表示字段名,1表示升序排序,也可使用使用数字-1降序。
options,可选参数,表示建立索引的设置。可选值如下:

background,Boolean,在后台建立索引,以便建立索引时不阻止其他数据库活动。默认值 false。
unique,Boolean,创建唯一索引。默认值 false。
name,String,指定索引的名称。如果未指定,MongoDB会生成一个索引字段的名称和排序顺序串联。
dropDups,Boolean,创建唯一索引时,如果出现重复删除后续出现的相同索引,只保留第一个。
sparse,Boolean,对文档中不存在的字段数据不启用索引。默认值是 false。
v,index version,索引的版本号。
weights,document,索引权重值,数值在 1 到 99,999 之间,表示该索引相对于其他索引字段的得分权重。
# 创建普通索引
db.集合.ensureIndex({属性:1})

# 创建唯一索引,实现唯一约束的功能
db.集合.ensureIndex({"name":1},{"unique":true})

# 创建联合索引
db.集合.ensureIndex({name:1,age:1})

#查看集合所有索引
db.集合.getIndexes()

# 删除索引
db.集合.dropIndex('索引名称')
db.集合.dropIndexs() # 删除集合所有的索引

转载于:https://www.cnblogs.com/cwp-bg/p/9391629.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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