如何使用pymongo查询MongoDB嵌套文档中匹配timestamp1的id13值
当前代码存在的问题
- 原有查询的
$match阶段仅会筛选出“包含至少一个匹配timestamp1元素”的完整文档 - 后续
$project会返回samples数组内所有元素的id13字段,而非仅匹配到的单个目标样本的id13,无法直接得到预期的单值结果
正确实现方案
方案1:拆分数组后精确匹配(逻辑直观易调试)
流程顺序:
- 先做初步筛选,提前过滤不包含目标时间样本的文档,减少后续数据处理量
- 用
$unwind将samples数组拆分为独立的单条文档 - 对拆分后的单条文档做精确时间匹配
- 投影仅输出需要的
id13字段
代码示例:
import datetime from pymongo import MongoClient # 按实际连接参数替换 client = MongoClient("mongodb://localhost:27017/") mydb1 = client["你的实际数据库名"] # 注意:如果要匹配id13=7.5的样本,这里时间要对应为14:05而非14:10 target_time = datetime.datetime.strptime("2018-01-24 14:05:00", "%Y-%m-%d %H:%M:%S") cursor = mydb1.mongodbbucket.aggregate([ {"$match": {"samples.timestamp1": target_time}}, {"$unwind": "$samples"}, {"$match": {"samples.timestamp1": target_time}}, {"$project": { "_id": 0, "id13": "$samples.id13" }} ]) # 遍历获取结果 for doc in cursor: print(doc)
执行后直接输出预期结果:{'id13': 7.5}
方案2:数组内置筛选(大数组场景性能更优)
如果samples数组内样本量较大,不需要拆分全量数组,直接用$filter在数组内部匹配符合条件的元素,减少内存开销:
cursor = mydb1.mongodbbucket.aggregate([ {"$match": {"samples.timestamp1": target_time}}, {"$project": { "_id": 0, "id13": { "$first": { "$map": { "input": { "$filter": { "input": "$samples", "cond": {"$eq": ["$$this.timestamp1", target_time]} } }, "in": "$$this.id13" } } } }} ])
该方案会直接返回单条结果:{'id13': 7.5}
注意事项
- 原代码中匹配的时间为
2018-01-24 14:10:00,对应样本的id13值为8.4,如果需要获取7.5的结果,记得将目标时间调整为2018-01-24 14:05:00,避免时间匹配偏差 - 如果数据库内存在多个文档包含相同timestamp1的样本,上述方案会返回所有匹配项的id13值,可根据业务需求在最后追加
{"$limit": 1}仅取第一个匹配结果
内容的提问来源于stack exchange,提问作者xaroulis gekas
相关产品推荐
相关产品推荐

