前言
如果你想入门量化，了解更多量化投资知识，欢迎点击加入关注我们的「量化投资博客」，欢迎大家加入。
也欢迎大神交流投资，互相学习。个人VX： 82789754
StudyQuant量化投资学院 计划在未来逐步公开以下内容：
- 量化投资学院：「Python量化投资教程」中进行详细的介绍，你也可以直接查看我们实时更新
- Python免费课程 ：「零基础Python课程」网易云课堂长期更新
前置条件
开始之前，安装PyMongo和Mongo。确保在python交互界面执行import不报错：
通过MongoClient建立一个连接。
开始使用PyMongo的第一步是创建一个MongoClient，对应于MongoDB实例。操作起来so easy:
# 数据库连接
import pymongo
from pymongo import MongoClient
client = MongoClient()
上面代码将会连接默认的host和port。当然也可指定：
client = MongoClient('localhost', 27017)
或者用 MongoDB URI 格式:
client = MongoClient('mongodb://localhost:27017/')
获取数据库
MongoDB的单个实例可以支持多个独立的 数据库。使用PyMongo时，您可以使用MongoClient实例上的属性样式访问来访问数据库：
db = client [ 'test-database' ]
使用JSON样式的文档表示（并存储）MongoDB中的数据。在PyMongo中，我们使用字典来表示文档。例如，以下字典可能用于表示博客帖子：
import datetime
post = {"author": "Mike",
"text": "My first blog post!",
"tags": ["mongodb", "python", "pymongo"],
"date": datetime.datetime.utcnow()}
post
{'author': 'Mike',
'date': datetime.datetime(2018, 11, 23, 13, 27, 14, 313779),
'tags': ['mongodb', 'python', 'pymongo'],
'text': 'My first blog post!'}
插入文档
要将文档插入集合，我们可以使用以下 insert_one()方法：
posts = db.posts
post_id = posts.insert_one(post).inserted_id
post_id
ObjectId('5bf8007810599866ec48c317')
插入文档时"_id"，如果文档尚未包含"_id"密钥，则会自动添加特殊键。"_id"整个集合中的值必须是唯一的。insert_one()返回一个实例InsertOneResult。有关更多信息"_id"，请参阅_id上的文档。
插入第一个文档后，实际上已在服务器上创建了posts集合。我们可以通过在数据库中列出所有集合来验证这一点：
db.collection_names(include_system_collections = False)
C:\Anaconda3.4.3\lib\site-packages\ipykernel\__main__.py:1: DeprecationWarning: collection_names is deprecated. Use list_collection_names instead.
if __name__ == '__main__':
['posts']
用获取单个文档find_one()
可以在MongoDB中执行的最基本类型的查询是 find_one()。此方法返回与查询匹配的单个文档（或者None如果没有匹配项）。当您知道只有一个匹配的文档，或者只对第一个匹配感兴趣时，它很有用。这里我们用来 find_one()从posts集合中获取第一个文档：
import pprint
pprint.pprint(posts.find_one())
{'_id': ObjectId('5bf8007810599866ec48c317'),
'author': 'Mike',
'date': datetime.datetime(2018, 11, 23, 13, 27, 14, 313000),
'tags': ['mongodb', 'python', 'pymongo'],
'text': 'My first blog post!'}
If we try with a different author, like “Eliot”, we’ll get no result:
posts.find_one({"author": "Mike"})
{'_id': ObjectId('5bf8007810599866ec48c317'),
'author': 'Mike',
'date': datetime.datetime(2018, 11, 23, 13, 27, 14, 313000),
'tags': ['mongodb', 'python', 'pymongo'],
'text': 'My first blog post!'}
通过ObjectId查询
pprint.pprint(posts.find_one({"_id": post_id}))
{'_id': ObjectId('5bf8007810599866ec48c317'),
'author': 'Mike',
'date': datetime.datetime(2018, 11, 23, 13, 27, 14, 313000),
'tags': ['mongodb', 'python', 'pymongo'],
'text': 'My first blog post!'}
批量插入¶
为了使查询更有趣，让我们再插入一些文档。除了插入单个文档之外，我们还可以通过将列表作为第一个参数传递来执行批量插入操作insert_many()。这将在列表中插入每个文档，只向服务器发送一个命令：
new_posts = [{"author": "Mike",
"text": "Another post!",
"tags": ["bulk", "insert"],
"date": datetime.datetime(2009, 11, 12, 11, 14)},
{"author": "Eliot",
"title": "MongoDB is fun",
"text": "and pretty easy too!",
"date": datetime.datetime(2009, 11, 10, 10, 45)}]
result = posts.insert_many(new_posts)
result.inserted_ids
[ObjectId('5bf8023910599866ec48c318'), ObjectId('5bf8023910599866ec48c319')]
查询多个文档
要获取查询结果以外的多个文档，我们使用该 find() 方法。find()返回一个 Cursor实例，它允许我们迭代所有匹配的文档。例如，我们可以迭代posts集合中的每个文档：
for post in posts.find():
pprint.pprint(post)
{'_id': ObjectId('5bf8007810599866ec48c317'),
'author': 'Mike',
'date': datetime.datetime(2018, 11, 23, 13, 27, 14, 313000),
'tags': ['mongodb', 'python', 'pymongo'],
'text': 'My first blog post!'}
{'_id': ObjectId('5bf8023910599866ec48c318'),
'author': 'Mike',
'date': datetime.datetime(2009, 11, 12, 11, 14),
'tags': ['bulk', 'insert'],
'text': 'Another post!'}
{'_id': ObjectId('5bf8023910599866ec48c319'),
'author': 'Eliot',
'date': datetime.datetime(2009, 11, 10, 10, 45),
'text': 'and pretty easy too!',
'title': 'MongoDB is fun'}
计数
posts.count_documents({})
3
索引¶
添加索引可以帮助加速某些查询，还可以添加其他功能来查询和存储文档。在此示例中，我们将演示如何在键上创建唯一索引，该索引拒绝索引中已存在该键值的文档。
首先，我们需要创建索引：
result = db.profiles.create_index([('user_id', pymongo.ASCENDING)],
unique=True)
sorted(list(db.profiles.index_information()))
[u'_id_', u'user_id_1']
['_id_', 'user_id_1']
user_profiles = [
{'user_id': 211, 'name': 'Luke'},
{'user_id': 212, 'name': 'kevin'}]
result = db.profiles.insert_many(user_profiles)
new_profile = {'user_id': 213, 'name': 'Drew'}
result = db.profiles.insert_one(new_profile) # This is fine.
duplicate_profile = {'user_id': 212, 'name': 'Tommy'}
result = db.profiles.insert_one(duplicate_profile)
---------------------------------------------------------------------------
DuplicateKeyError Traceback (most recent call last)
<ipython-input-60-533650ecd4e1> in <module>()
----> 1 result = db.profiles.insert_one(duplicate_profile)
C:\Anaconda3.4.3\lib\site-packages\pymongo\collection.py in insert_one(self, document, bypass_document_validation, session)
691 write_concern=write_concern,
692 bypass_doc_val=bypass_document_validation,
--> 693 session=session),
694 write_concern.acknowledged)
695
C:\Anaconda3.4.3\lib\site-packages\pymongo\collection.py in _insert(self, docs, ordered, check_keys, manipulate, write_concern, op_id, bypass_doc_val, session)
605 return self._insert_one(
606 docs, ordered, check_keys, manipulate, write_concern, op_id,
--> 607 bypass_doc_val, session)
608
609 ids = []
C:\Anaconda3.4.3\lib\site-packages\pymongo\collection.py in _insert_one(self, doc, ordered, check_keys, manipulate, write_concern, op_id, bypass_doc_val, session)
593
594 self.__database.client._retryable_write(
--> 595 acknowledged, _insert_command, session)
596
597 if not isinstance(doc, RawBSONDocument):
C:\Anaconda3.4.3\lib\site-packages\pymongo\mongo_client.py in _retryable_write(self, retryable, func, session)
1246 """Internal retryable write helper."""
1247 with self._tmp_session(session) as s:
-> 1248 return self._retry_with_session(retryable, func, s, None)
1249
1250 def __reset_server(self, address):
C:\Anaconda3.4.3\lib\site-packages\pymongo\mongo_client.py in _retry_with_session(self, retryable, func, session, bulk)
1199 raise last_error
1200 retryable = False
-> 1201 return func(session, sock_info, retryable)
1202 except ServerSelectionTimeoutError:
1203 if is_retrying():
C:\Anaconda3.4.3\lib\site-packages\pymongo\collection.py in _insert_command(session, sock_info, retryable_write)
590 retryable_write=retryable_write)
591
--> 592 _check_write_command_response(result)
593
594 self.__database.client._retryable_write(
C:\Anaconda3.4.3\lib\site-packages\pymongo\helpers.py in _check_write_command_response(result)
215 write_errors = result.get("writeErrors")
216 if write_errors:
--> 217 _raise_last_write_error(write_errors)
218
219 error = result.get("writeConcernError")
C:\Anaconda3.4.3\lib\site-packages\pymongo\helpers.py in _raise_last_write_error(write_errors)
196 error = write_errors[-1]
197 if error.get("code") == 11000:
--> 198 raise DuplicateKeyError(error.get("errmsg"), 11000, error)
199 raise WriteError(error.get("errmsg"), error.get("code"), error)
200
DuplicateKeyError: E11000 duplicate key error collection: test-database.profiles index: user_id_1 dup key: { : 212 }
前言
如果你想入门量化，了解更多量化投资知识，欢迎点击加入关注我们的「量化投资博客」，欢迎大家加入。
也欢迎大神交流投资，互相学习。个人VX： 82789754
更多量化学习资源
扫上方二维码，关注公众账号 量化投资学院 ，获取下列免费资源
-
回复“热点研报”，获取近年热点券商金融工程研究报告
-
回复“Python3”，获取Python免费学习教程
-
回复“Python”，获取免费Python量化投资入门课程
网友评论