MongoDB聚合查询提取mariners数组this_ship_capacity字段值的实现咨询

原查询的核心问题 #

• $exists参数传入了字符串值"true"，MongoDB识别的匹配值是布尔类型true，字符串形式会导致匹配规则失效
• 没有对mariners嵌套数组做打散操作，始终保留文档级的嵌套结构
• $filter的条件逻辑引用错误：判断的是整个数组的类型而非数组内的单个元素，过滤逻辑完全不生效

调整后的查询逻辑 #

1. 先做正确的存在性匹配，筛出包含this_ship_capacity字段的文档
2. 用$unwind操作将mariners数组拆分为独立的单条文档，从根源消除数组嵌套结构
3. 做字段投影时直接把目标值提升到文档顶层，完全去掉mariners的嵌套层级
4. 最后过滤掉拆分后没有有效this_ship_capacity值的无效记录

可直接运行的代码 #

cursor = db.data.aggregate([
    # 修正$exists的参数类型为布尔值
    {"$match": {"mariners.this_ship_capacity": {"$exists": True}}},
    # 打散mariners数组，移除外层嵌套
    {"$unwind": "$mariners"},
    # 投影时将目标字段提升至文档顶层，去除嵌套结构
    {"$project": {
        "_id": 0,
        "this_ship_capacity": "$mariners.this_ship_capacity"
    }},
    # 过滤空值记录
    {"$match": {"this_ship_capacity": {"$ne": None}}}
])

后续DataFrame转换 #

上述查询执行后，每条返回结果都是无嵌套的纯净结构，直接转换即可：

import pandas as pd
# 将游标转为列表后构造DataFrame
df = pd.DataFrame(list(cursor))

调整后的返回结果示例：

{'this_ship_capacity': 'Mate'}
{'this_ship_capacity': '$'}
{'this_ship_capacity': 'Master'}

如果需要将所有值汇总为单个数组做批量统计，可以在最后追加$group阶段：

# 追加阶段示例：将所有capacity值聚合为一维纯列表
{"$group": {
    "_id": None,
    "all_capacities": {"$push": "$this_ship_capacity"}
}}

内容的提问来源于stack exchange，提问作者num_t_nfs