mongodb集合中文档的COUNTIF函数

Question

我的问题涉及到mongodb和pymongo；我有一个包含多个集合的数据库。每个集合中有数千个文档，但大多数只包含大约10-200个“唯一”文档。我想要计算每个“唯一”文档在特定集合中出现的次数。我见过带有特定字段值的COUNTIFS示例，但没有计算整个文档。

我已经阅读了相当多关于聚合的内容，但我仍然不知道我是否在正确的轨道上；我希望得到一些指导。

假设集合中总共有20个文档，但只有3个是唯一的。我想输出类似下面这样的COUNTIF值。

{ "_id" : ObjectId("5cde2f68416437c1ae98de18"), "Source Network Address LP" : [ "192.168.5.5" ], "Account Name" : [ " -", " ANONYMOUS LOGON" ], "Process Name LP" : [ "-" ] } - 10
{ "_id" : ObjectId("5cde2f68416437c1ae98de19"), "Source Network Address LP" : [ "192.168.5.8" ], "Account Name" : [ " -", " ANONYMOUS LOGON" ], "Process Name LP" : [ "-" ] } - 6
{ "_id" : ObjectId("5cde2f68416437c1ae98de19"), "Source Network Address LP" : [ "192.168.5.2" ], "Account Name" : [ " -", " ANONYMOUS LOGON" ], "Process Name LP" : [ "-" ] } - 4

最后，我将以以下格式将此输出写入CSV文件：

Source Network Address,Account Name,Process Name LP,count
'192.168.5.5','-|ANONYMOUS LOGON','-',10
'192.168.5.8','-|ANONYMOUS LOGON','-',6
'192.168.5.2','-|ANONYMOUS LOGON','-',4

Answer 1

我确实想出了一个问题的解决方案，但没有使用pymongo进行过滤/计数。相反，我只是简单地迭代了db.collection.find()输出，并使用了带有python-box (https://pypi.org/project/python-box/)的collections.Counter()。在普通的内置Python字典中使用collections.Counter()是不可能的，因为字典是不可散列的。但是，您可以使用冻结的python-box Box()对象创建一个哈希字典，然后使用collections.Counter()进行计数。

在开始计算时，我确实遇到了一个小问题，因为即使文档几乎完全相同，由于_id字段的唯一性，它们也永远不会完全相同。

for doc in db.collections.find():
    dict_record = dict(doc)
    del(dict_doc['_id'])
    # Box object makes dict object hashable so we can count
    b = Box(dict_doc, frozen_box=True)
    stacked[b] += 1

如果有人想出一个纯粹使用pymongo进行过滤和计数的解决方案，请让我知道；我很好奇。