MongoDB 是由 C++ 语言编写的非关系型数据库，是一个基于分布式文件存储的开源数据库系统，其内容存储形式类似 JSON 对象，它的字段值可以包含其他文档、数组及文档数组，非常灵活。在这一节中，我们就来看看 Python 3 下 MongoDB 的存储操作。
Python 零基础课程，如有需要咨询wechat:17812796384
1.准备工作
在开始之前，请确保已经安装好了 MongoDB 并启动了其服务，并且安装好了 Python 的 PyMongo 库。
连接 MongoDB 时，我们需要使用 PyMongo 库里面的 MongoClient。一般来说，传入MongoDB 的 IP 及端口即可，其中第一个参数为地址 host，第二个参数为端口 port（如果不给它传递参数，默认是 27017）：
这样就可以创建 MongoDB 的连接对象了。
另外，MongoClient 的第一个参数 host 还可以直接传入 MongoDB 的连接字符串，它以 mongodb 开头，例如：
client = MongoClient('mongodb://localhost:27017/')
这也可以达到同样的连接效果。
2.指定数据集
MongoDB 中可以建立多个数据库，接下来我们需要指定操作哪个数据库。这里我们以 test 数据库为例来说明，下一步需要在程序中指定要使用的数据库：
db = client.test
这里调用 client 的 test 属性即可返回 test 数据库。当然，我们也可以这样指定：
db = client['test']
这两种方式是等价的。
3.指定集合
MongoDB 的每个数据库又包含许多集合（collection），它们类似于关系型数据库中的表。
下一步需要指定要操作的集合，这里指定一个集合名称为 students。与指定数据库类似，指定集合也有两种方式：
collection = db.students
collection = db['students']
这样我们便声明了一个 Collection 对象。
4.插入数据
接下来，便可以插入数据了。对于 students 这个集合，新建一条学生数据，这条数据以字典形式表示：
这里指定了学生的学号、姓名、年龄和性别。接下来，直接调用 collection 的 insert() 方法即可插入数据，代码如下：
result = collection.insert(student) print(result)
在 MongoDB 中，每条数据其实都有一个 _id 属性来唯一标识。如果没有显式指明该属性，MongoDB 会自动产生一个 ObjectId 类型的_id属性。insert() 方法会在执行后返回_id值。
运行结果如下：
5932a68615c2606814c91f3d
当然，我们也可以同时插入多条数据，只需要以列表形式传递即可，示例如下：
返回结果是对应的 _id 的集合：
实际上，在 PyMongo 3.x 版本中，官方已经不推荐使用 insert() 方法了。当然，继续使用也没有什么问题。官方推荐使用 insert_one() 和 insert_many() 方法来分别插入单条记录和多条记录，示例如下：
运行结果如下：
与 insert() 方法不同，这次返回的是 InsertOneResult 对象，我们可以调用其 inserted_id 属性获取 _id。
对于 insert_many() 方法，我们可以将数据以列表形式传递，示例如下：
运行结果如下：
该方法返回的类型是 InsertManyResult，调用inserted_ids属性可以获取插入数据的_id列表。
5.查询数据库
插入数据后，我们可以利用 find_one() 或 find() 方法进行查询，其中 find_one() 查询得到的是单个结果，find() 则返回一个生成器对象。示例如下：
这里我们查询 name 为 Mike 的数据，它的返回结果是字典类型，运行结果如下：
可以发现，它多了 _id 属性，这就是 MongoDB 在插入过程中自动添加的。
此外，我们也可以根据 ObjectId
来查询，此时需要使用 bson 库里面的 objectid：
其查询结果依然是字典类型，具体如下：
当然，如果查询结果不存在，则会返回 None。
对于多条数据的查询，我们可以使用 find() 方法。例如，这里查找年龄为20的数据，示例如下：
运行结果如下：
返回结果是 Cursor 类型，它相当于一个生成器，我们需要遍历取到所有的结果，其中每个结果都是字典类型。
如果要查询年龄大于20的数据，则写法如下：
results = collection.find({'age': {'$gt': 20}})
这里查询的条件键值已经不是单纯的数字了，而是一个字典，其键名为比较符号 $gt，意思是大于，键值为20。这里将比较符号归纳为下表。
另外，还可以进行正则匹配查询。例如，查询名字以 M 开头的学生数据，示例如下：
results = collection.find({'name': {'$regex': '^M.*'}})
这里使用 $regex 来指定正则匹配，^M.* 代表以 M 开头的正则表达式。
这里将一些功能符号再归类为下表。
6.查询计数
要统计查询结果有多少条数据，可以调用 count() 方法。比如，统计所有数据条数：
count = collection.find().count() print(count)
或者统计符合某个条件的数据：
运行结果是一个数值，即符合条件的数据条数。
7.数据排序
排序时，直接调用 sort() 方法，并在其中传入排序的字段及升降序标志即可。示例如下：
运行结果如下：
['Harden', 'Jordan', 'Kevin', 'Mark', 'Mike']
这里我们调用 pymongo.ASCENDING 指定升序。如果要降序排列，可以传入pymongo.DESCENDING。
8.数据的偏移
在某些情况下，我们可能想只取某几个元素，这时可以利用 skip() 方法偏移几个位置，比如偏移2，就忽略前两个元素，得到第三个及以后的元素：
运行结果如下：
['Kevin', 'Mark', 'Mike']
另外，还可以用 limit() 方法指定要取的结果个数，示例如下：
运行结果如下：
['Kevin', 'Mark']
如果不使用 limit() 方法，原本会返回三个结果，加了限制后，会截取两个结果返回。
值得注意的是，在数据库数量非常庞大的时候，如千万、亿级别，最好不要使用大的偏移量来查询数据，因为这样很可能导致内存溢出。此时可以使用类似如下操作来查询：
这时需要记录好上次查询的 _id。
9.更新数据库
对于数据更新，我们可以使用 update() 方法，指定更新的条件和更新后的数据即可。例如：
这里我们要更新 name 为 Kevin 的数据的年龄：首先指定查询条件，然后将数据查询出来，修改年龄后调用 update() 方法将原条件和修改后的数据传入。
运行结果如下：
{'ok': 1, 'nModified': 1, 'n': 1, 'updatedExisting': True}
返回结果是字典形式，ok 代表执行成功，nModified 代表影响的数据条数。
另外，我们也可以使用 $set 操作符对数据进行更新，代码如下：
result = collection.update(condition, {'$set': student})
这样可以只更新 student 字典内存在的字段。如果原先还有其他字段，则不会更新，也不会删除。而如果不用 $set 的话，则会把之前的数据全部用 student 字典替换；如果原本存在其他字段，则会被删除。
另外，update() 方法其实也是官方不推荐使用的方法。这里也分为 update_one() 方法和update_many() 方法，用法更加严格，它们的第二个参数需要使用$类型操作符作为字典的键名，示例如下：
这里调用了 update_one() 方法，第二个参数不能再直接传入修改后的字典，而是需要使用{'$set': student} 这样的形式，其返回结果是 UpdateResult 类型。然后分别调用matched_count 和 modified_count 属性，可以获得匹配的数据条数和影响的数据条数。
运行结果如下：
我们再看一个例子：
这里指定查询条件为年龄大于20，然后更新条件为 {'$inc': {'age': 1}}，也就是年龄加1，执行之后会将第一条符合条件的数据年龄加1。
运行结果如下：
可以看到匹配条数为1条，影响条数也为1条。
如果调用 update_many() 方法，则会将所有符合条件的数据都更新，示例如下：
这时匹配条数就不再为1条了，运行结果如下：
可以看到，这时所有匹配到的数据都会被更新。
10.数据删除
删除操作比较简单，直接调用 remove() 方法指定删除的条件即可，此时符合条件的所有数据均会被删除。示例如下：
运行结果如下：
另外，这里依然存在两个新的推荐方法—— delete_one() 和 delete_many() 。示例如下：
运行结果如下：
delete_one() 即删除第一条符合条件的数据，delete_many() 即删除所有符合条件的数据。它们的返回结果都是 DeleteResult 类型，可以调用 deleted_count 属性获取删除的数据条数。
学会了吗？(原文链接：http://u6.gg/ftuk8)
閱讀更多 Python學習 的文章
