我来帮你搞定这个用PyMongo对比两个MongoDB集合并生成第三个集合的需求，步骤清晰，代码直接能用：

1. 先建立MongoDB连接 #

首先确保你已经安装了PyMongo（执行pip install pymongo即可），然后连接到你的数据库，获取三个集合的引用：

from pymongo import MongoClient
from datetime import datetime

# 根据你的实际MongoDB配置调整连接字符串
client = MongoClient('mongodb://localhost:27017/')
db = client['your_database_name']  # 替换成你的数据库名称

# 获取三个目标集合
coll1 = db['collection1']
coll2 = db['collection2']
coll3 = db['collection3']

2. 定义时间戳范围 #

把你需要筛选的时间范围转换成MongoDB能识别的ISODate格式：

# 示例：筛选2018年1月3日全天的数据
start_time = datetime(2018, 1, 3, 0, 0, 0)
end_time = datetime(2018, 1, 3, 23, 59, 59)

3. 预处理集合1的教授数据 #

先把集合1中时间范围内的教授数据按Prof_Name分组，整理每个教授的科目列表（把字符串转成集合，方便后续快速匹配）：

prof_subjects_map = {}
# 查询集合1中符合时间范围的所有文档
for doc in coll1.find({"timestamp": {"$gte": start_time, "$lte": end_time}}):
    prof_name = doc['Prof_Name']
    # 清理科目字符串的空格并拆分成集合（自动去重）
    subjects = set(doc['subjects1'].replace(' ', '').split(','))
    prof_subjects_map[prof_name] = subjects

4. 查询并匹配集合2的数据 #

查询集合2中时间范围内的所有记录，然后遍历每个教授，收集有科目交集的UUID：

# 查询集合2中符合时间范围的所有文档
coll2_records = coll2.find({"timestamp": {"$gte": start_time, "$lte": end_time}})

# 初始化每个教授的统计结果容器
prof_stats = {}
for record in coll2_records:
    uuid = record['UUID']
    # 处理集合2的科目字符串
    sub2_set = set(record['subjects2'].replace(' ', '').split(','))
    
    # 遍历每个教授，检查科目是否有交集
    for prof_name, sub1_set in prof_subjects_map.items():
        if sub1_set & sub2_set:  # 存在交集则匹配成功
            if prof_name not in prof_stats:
                # 初始化教授的统计字段
                prof_stats[prof_name] = {
                    "subjects_list": ', '.join(sub1_set),
                    "UUID_list": [],
                    "UUID-count": 0,
                    "subject_count": len(sub1_set)
                }
            # 避免重复添加同一个UUID
            if uuid not in prof_stats[prof_name]['UUID_list']:
                prof_stats[prof_name]['UUID_list'].append(str(uuid))
                prof_stats[prof_name]['UUID-count'] += 1

5. 将结果插入集合3 #

最后把整理好的统计数据插入到集合3中：

# 遍历统计结果，逐个插入集合3
for prof_name, stats_data in prof_stats.items():
    # 把UUID列表转换成字符串格式
    stats_data['Prof_name'] = prof_name
    stats_data['UUID_list'] = ', '.join(stats_data['UUID_list'])
    # 插入文档
    coll3.insert_one(stats_data)

大数据量优化建议 #

如果你的集合数据量很大，上面的Python内存遍历可能效率不高，推荐用MongoDB的聚合管道把计算逻辑放在服务器端执行，减少客户端内存占用和数据传输：

pipeline = [
    # 1. 过滤集合2的时间范围
    {"$match": {"timestamp": {"$gte": start_time, "$lte": end_time}}},
    # 2. 清理并拆分subjects2为数组
    {"$addFields": {
        "subjects2_arr": {"$split": [{"$replaceAll": {"input": "$subjects2", "find": " ", "replacement": ""}}, ","]}
    }},
    # 3. 关联集合1，匹配时间范围和科目交集的教授
    {"$lookup": {
        "from": "collection1",
        "let": {"subs": "$subjects2_arr"},
        "pipeline": [
            {"$match": {
                "timestamp": {"$gte": start_time, "$lte": end_time},
                "$expr": {
                    "$gt": [
                        {"$size": {"$setIntersection": [
                            {"$split": [{"$replaceAll": {"input": "$subjects1", "find": " ", "replacement": ""}}, ","]},
                            "$$subs"
                        ]}},
                        0
                    ]
                }
            }},
            {"$project": {"Prof_Name": 1, "_id": 0}}
        ],
        "as": "matched_profs"
    }},
    # 4. 展开匹配到的教授列表
    {"$unwind": "$matched_profs"},
    # 5. 按教授分组，收集UUID并关联教授的科目信息
    {"$group": {
        "_id": "$matched_profs.Prof_Name",
        "UUID_list": {"$addToSet": "$UUID"},
        # 从集合1中获取教授的科目列表（这里需要确保集合1中每个教授只有一条记录，或调整逻辑取第一条）
        "subjects_list": {"$first": {"$arrayElemAt": [
            {"$split": [{"$replaceAll": {"input": "$subjects1", "find": " ", "replacement": ""}}, ","]},
            0
        ]}}
    }},
    # 6. 计算统计字段并格式化UUID列表
    {"$addFields": {
        "UUID-count": {"$size": "$UUID_list"},
        "subject_count": {"$size": {"$split": [{"$replaceAll": {"input": "$subjects_list", "find": " ", "replacement": ""}}, ","]}},
        "UUID_list": {"$reduce": {
            "input": "$UUID_list",
            "initialValue": "",
            "in": {"$concat": ["$$value", {"$cond": [{"$eq": ["$$value", ""]}, "", ", "]}, {"$toString": "$$this"}]}
        }}
    }},
    # 7. 重命名字段并输出
    {"$project": {
        "_id": 0,
        "Prof_name": "$_id",
        "subjects_list": 1,
        "UUID_list": 1,
        "UUID-count": 1,
        "subject_count": 1
    }}
]

# 执行聚合并批量插入集合3
agg_result = coll2.aggregate(pipeline)
coll3.insert_many(agg_result)

内容的提问来源于stack exchange，提问作者Rachel