MongoDB(Python驱动)如何按文档内字段分组统计文档数量

场景说明 #

MongoDB实例中存储了数千条虚拟租车公司的车辆档案，单条文档结构如下：

{
    "model": "Honda Civic",
    "license_plate": "ABC-1234",
    "attributes":
        {
            "rented": "YES",
            ...其他业务字段...
        }
}

当前已实现逻辑为：先通过distinct("model")拉取所有车型，遍历每个车型单独构建聚合管道，匹配对应车型后投影出model、license_plate、attributes.rented字段逐行打印，运行结果符合预期，现有代码如下：

mydatabase = client.CARS_DB
mycollection = mydatabase.RENTAL_LOT_A

listOfRules = mycollection.distinct("model")

for rule in listOfRules:
    match_variable = {
      "$match": { 'model': rule }
    }
    project_variable = {
      "$project": {
        '_id': 0,
        'model': 1,
        'license_plate': 1,
        'attributes.rented': 1
      }
    }
    pipeline = [
      match_variable,
      project_variable
    ]
    results = mycollection.aggregate(pipeline)
    for r in results:
      print(r)
      print("- - - - - - - - - - - - - - - - -")

代码运行输出示例：

{'model': 'Honda Civic', 'license_plate': 'ABC-1234', 'attributes': {'rented': 'YES'}}
- - - - - - - - - - - - - - - - -
{'model': 'Toyota Camry', 'license_plate': 'ABC-5678', 'attributes': {'rented': 'YES'}}
- - - - - - - - - - - - - - - - -
{'model': 'Honda Civic', 'license_plate': 'DEF-1001',  'attributes': {'rented': 'no'}}
- - - - - - - - - - - - - - - - -

待实现需求 #

现有逻辑仅能逐行返回单条车辆明细，无法满足统计需求，无需返回license_plate字段，需要实现两类统计效果：

• 仅按model字段分组，统计每个车型对应的车辆总数量
• 按model和attributes.rented字段联合分组，统计各车型下已出租、可租状态的车辆数量

此前尝试过Python端字典遍历统计、db.collection.countDocuments()等方案均未达到预期，可接受修改现有聚合管道或编写全新实现的方案。

无需提前拉取全量车型再循环发起聚合请求，直接通过聚合管道的$group阶段在数据库侧完成统计即可，执行效率远高于循环请求的实现。

按车型统计总车辆数 #

将$group的分组键设置为$model，通过$sum累加器完成计数，参考代码：

pipeline = [
    {
        "$group": {
            "_id": "$model",
            "total_count": {"$sum": 1}
        }
    },
    # 可选阶段：调整输出字段结构，将分组键重命名为model，隐藏默认_id字段
    {
        "$project": {
            "_id": 0,
            "model": "$_id",
            "total_count": 1
        }
    }
]

results = mycollection.aggregate(pipeline)
for res in results:
    print(res)

返回结果示例：

{'total_count': 2, 'model': 'Honda Civic'}
{'total_count': 1, 'model': 'Toyota Camry'}

按车型+出租状态联合统计 #

将$group的分组键设置为包含model和attributes.rented的复合键即可，参考代码：

pipeline = [
    {
        "$group": {
            "_id": {
                "model": "$model",
                "rented_status": "$attributes.rented"
            },
            "count": {"$sum": 1}
        }
    },
    # 可选阶段：展平分组键结构，优化输出可读性
    {
        "$project": {
            "_id": 0,
            "model": "$_id.model",
            "rented_status": "$_id.rented_status",
            "count": 1
        }
    }
]

results = mycollection.aggregate(pipeline)
for res in results:
    print(res)

返回结果示例：

{'count': 1, 'model': 'Honda Civic', 'rented_status': 'YES'}
{'count': 1, 'model': 'Toyota Camry', 'rented_status': 'YES'}
{'count': 1, 'model': 'Honda Civic', 'rented_status': 'no'}

注意：当前示例数据中attributes.rented字段值同时存在大写YES、小写no的格式差异，如果需要做状态归一化统计，可在$group阶段前增加$addFields阶段，通过$toLower操作符将状态值统一转为小写后再分组，避免同状态因大小写差异被拆分为多个分组。

内容的提问来源于stack exchange，提问作者Pete