MongoDB数据库聚合之分组统计$group的用法详解

前言

MongoDB不像关系型数据库，普通的查询不支持汇总，要进行复杂的分组汇总，需要使用聚合管道，$group可以说是MongoDB聚合管道进行数据分析最常用的一个阶段。该阶段根据分组键值（组键）把文档分成若干组，每个唯一的键值对应一个文档。组键通常是一个或多个字段，也可以是表达式的结果。$group阶段输出的结果中，_id字段的值就是组键的值，输出文档中还可以包含汇总表达式的字段，汇总表达式的功能非常丰富，下面的列表会简单介绍，具体的使用方法可以参考详细说明。

$group的语法

1 2 3 4 5 6 7 8

{ $group: { _id: <expression>, // 组键，就是分组的键值字段或表达式 <field1>: { <accumulator1> : <expression1> }, ... } }

字段说明：

字段	说明
_id	不可省略，通过_id表达式指定分组的依据，如果直接指定_id的值为null或常量，则把全部的输入文档汇总后返回一个文档
field	可选，汇总表达式计算的结果
_id和field可以是任何合法的表达式。

分组汇总操作符

分组汇总操作符比较多，功能丰富且强大，这里简要介绍其用途，详细的用法后续再专文介绍。

操作符	用途介绍
$accumulator	返回累加结果
$addToSet	把分组中不重复的表达式的值作为数组返回，注意数组的元素无序的，类似分组内的distinct
$avg	返回数值的平均值。非数值会被忽略
$bottom	按照指定的顺序返回分组中最后一个元素
$bottomN	按照指定的顺序返回分组中最后N个元素字段的集合，如果分组元素数量小于N，则返回全部
$count	返回分组内的元素数量
$first	返回分组内第一个元素表达式的结果
$firstN	返回分组内前n个元素的聚合。只有文档有序时才有意义
$last	返回分组中最后一个文档的表达式的结果
$lastN	返回分组内最后n个元素的聚合。只有文档有序时才有意义
$max	返回每个分组表达式值的最大值
$maxN	返回分组内最大的n个元素的集合
$median	返回分组中的中位数
$mergeObjects	返回分组合并后的文档
$min	返回分组内表达式的最小值
$percentile	返回与指定百分位数值相对应的值的数组
$push	返回每个分组表达式值的数组
$stdDevPop	返回标准差
$stdDevSamp	返回样本标准差
$sum	返回合计值，忽略空值
$top	根据指定的顺序返回组内最前面的元素
$topN	根据指定的顺序返回组内前N个元素的聚合

注意

• $group使用内存不能超过100M，超过会报错。如果想要处理更多数据或者少用一些内存，可使用allowDiskUse选项把数据写入临时文件。
• 当使用$first、$last等操作符时，可以考虑在参与排序的分组字段上添加索引，某些情况下，这些操作可以使用索引快速定位到相应的记录。

一些例子

统计数量

创建并插入数据：

1 2 3 4 5 6 7 8 9 10

db.sales.insertMany([ { "_id" : 1, "item" : "abc", "price" : Decimal128("10"), "quantity" : Int32("2"), "date" : ISODate("2014-03-01T08:00:00Z") }, { "_id" : 2, "item" : "jkl", "price" : Decimal128("20"), "quantity" : Int32("1"), "date" : ISODate("2014-03-01T09:00:00Z") }, { "_id" : 3, "item" : "xyz", "price" : Decimal128("5"), "quantity" : Int32( "10"), "date" : ISODate("2014-03-15T09:00:00Z") }, { "_id" : 4, "item" : "xyz", "price" : Decimal128("5"), "quantity" :  Int32("20") , "date" : ISODate("2014-04-04T11:21:39.736Z") }, { "_id" : 5, "item" : "abc", "price" : Decimal128("10"), "quantity" : Int32("10") , "date" : ISODate("2014-04-04T21:23:13.331Z") }, { "_id" : 6, "item" : "def", "price" : Decimal128("7.5"), "quantity": Int32("5" ) , "date" : ISODate("2015-06-04T05:08:13Z") }, { "_id" : 7, "item" : "def", "price" : Decimal128("7.5"), "quantity": Int32("10") , "date" : ISODate("2015-09-10T08:43:00Z") }, { "_id" : 8, "item" : "abc", "price" : Decimal128("10"), "quantity" : Int32("5" ) , "date" : ISODate("2016-02-06T20:20:13Z") }, ])

统计sales全部文档数量

相当于collection.find({}).count()

1 2 3 4 5 6 7 8

db.sales.aggregate( [ { $group: { _id: null, count: { $count: { } } } } ] )

结果：

{ "_id" : null, "count" : 8 }

检索不同的值，等价于distinct

仍以上例的sales集合数据为例

1	db.sales.aggregate( [ { $group : { _id : "$item" } } ] )

结果：

{ "_id" : "abc" }
{ "_id" : "jkl" }
{ "_id" : "def" }
{ "_id" : "xyz" }

等价于：

1	db.sales.distinct("item")

按Item分组

下面的聚合先按照item进行分组，计算每个item销售总额，并且返回大于等于100的item。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

db.sales.aggregate( [ //阶段1 { $group : { _id : "$item", totalSaleAmount: { $sum: { $multiply: [ "$price", "$quantity" ] } } } }, //阶段2 { $match: { "totalSaleAmount": { $gte: 100 } } } ] )

阶段1：$group阶段，根据item进行分组，并计算每个item的销售总额。

阶段2：$math阶段，过滤结果文档，只返回销售总额totalSaleAmount大于等于100的文档。

结果：

{ "_id" : "abc", "totalSaleAmount" : Decimal128("170") }
{ "_id" : "xyz", "totalSaleAmount" : Decimal128("150") }
{ "_id" : "def", "totalSaleAmount" : Decimal128("112.5") }

计算总数、合计和平均值

创建一个sales集合并插入记录：

1 2 3 4 5 6 7 8 9 10

db.sales.insertMany([ { "_id" : 1, "item" : "abc", "price" : Decimal128("10"), "quantity" : Int32("2"), "date" : ISODate("2014-03-01T08:00:00Z") }, { "_id" : 2, "item" : "jkl", "price" : Decimal128("20"), "quantity" : Int32("1"), "date" : ISODate("2014-03-01T09:00:00Z") }, { "_id" : 3, "item" : "xyz", "price" : Decimal128("5"), "quantity" : Int32( "10"), "date" : ISODate("2014-03-15T09:00:00Z") }, { "_id" : 4, "item" : "xyz", "price" : Decimal128("5"), "quantity" :  Int32("20") , "date" : ISODate("2014-04-04T11:21:39.736Z") }, { "_id" : 5, "item" : "abc", "price" : Decimal128("10"), "quantity" : Int32("10") , "date" : ISODate("2014-04-04T21:23:13.331Z") }, { "_id" : 6, "item" : "def", "price" : Decimal128("7.5"), "quantity": Int32("5" ) , "date" : ISODate("2015-06-04T05:08:13Z") }, { "_id" : 7, "item" : "def", "price" : Decimal128("7.5"), "quantity": Int32("10") , "date" : ISODate("2015-09-10T08:43:00Z") }, { "_id" : 8, "item" : "abc", "price" : Decimal128("10"), "quantity" : Int32("5" ) , "date" : ISODate("2016-02-06T20:20:13Z") }, ])

按照日期分组

下面的聚合管道计算2014年的销售总额、平均销量和销售数量

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

db.sales.aggregate([ //阶段1 { $match : { "date": { $gte: new ISODate("2014-01-01"), $lt: new ISODate("2015-01-01") } } }, //阶段2 { $group : { _id : { $dateToString: { format: "%Y-%m-%d", date: "$date" } }, totalSaleAmount: { $sum: { $multiply: [ "$price", "$quantity" ] } }, averageQuantity: { $avg: "$quantity" }, count: { $sum: 1 } } }, //阶段3 { $sort : { totalSaleAmount: -1 } } ])

阶段1使用$math只允许2014年的数据进入下一阶段.

阶段2使用$group根据日期进行分组，统计每个分组的销售总额、平均销量和销售数量。

阶段3使用$sort按照销售总额进行降序排序

结果：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

{ "_id" : "2014-04-04", "totalSaleAmount" : Decimal128("200"), "averageQuantity" : 15, "count" : 2 } { "_id" : "2014-03-15", "totalSaleAmount" : Decimal128("50"), "averageQuantity" : 10, "count" : 1 } { "_id" : "2014-03-01", "totalSaleAmount" : Decimal128("40"), "averageQuantity" : 1.5, "count" : 2 }

按控制null分组

下面的聚合操作，指定分组_id为空，计算集合中所有文档的总销售额、平均数量和计数。

1 2 3 4 5 6 7 8 9 10

db.sales.aggregate([ { $group : { _id : null, totalSaleAmount: { $sum: { $multiply: [ "$price", "$quantity" ] } }, averageQuantity: { $avg: "$quantity" }, count: { $sum: 1 } } } ])

结果：

{
  "_id" : null,
  "totalSaleAmount" : Decimal128("452.5"),
  "averageQuantity" : 7.875,
  "count" : 8
}

数据透视

创建books集合并插入数据

1 2 3 4 5 6 7

db.books.insertMany([ { "_id" : 8751, "title" : "The Banquet", "author" : "Dante", "copies" : 2 }, { "_id" : 8752, "title" : "Divine Comedy", "author" : "Dante", "copies" : 1 }, { "_id" : 8645, "title" : "Eclogues", "author" : "Dante", "copies" : 2 }, { "_id" : 7000, "title" : "The Odyssey", "author" : "Homer", "copies" : 10 }, { "_id" : 7020, "title" : "Iliad", "author" : "Homer", "copies" : 10 } ])

根据作者对标题分组

下面的聚合操作将books集合中的数据透视为按作者分组的标题。

1 2 3

db.books.aggregate([ { $group : { _id : "$author", books: { $push: "$title" } } } ])

结果

{ "_id" : "Homer", "books" : [ "The Odyssey", "Iliad" ] }
{ "_id" : "Dante", "books" : [ "The Banquet", "Divine Comedy", "Eclogues" ] }

根据作者对文档分组

1 2 3 4 5 6 7 8 9 10 11 12 13

db.books.aggregate([ // 阶段1 { $group : { _id : "$author", books: { $push: "$$ROOT" } } }, // 阶段2 { $addFields: { totalCopies : { $sum: "$books.copies" } } } ])

阶段1：分组$group，根据作者对文档进行分组，使用$$ROOT把文档作为books的元素。

阶段2：$addFields会在输出文档中添加一个字段，即每位作者的图书总印数。

结果：

{
  "_id" : "Homer",
  "books" :
     [
       { "_id" : 7000, "title" : "The Odyssey", "author" : "Homer", "copies" : 10 },
       { "_id" : 7020, "title" : "Iliad", "author" : "Homer", "copies" : 10 }
     ],
   "totalCopies" : 20
}

{
  "_id" : "Dante",
  "books" :
     [
       { "_id" : 8751, "title" : "The Banquet", "author" : "Dante", "copies" : 2 },
       { "_id" : 8752, "title" : "Divine Comedy", "author" : "Dante", "copies" : 1 },
       { "_id" : 8645, "title" : "Eclogues", "author" : "Dante", "copies" : 2 }
     ],
   "totalCopies" : 5
}

以上内容参考mongodb官方文档整理而来