將$ push與$ group和pymongo一起使用

Question

目的

修復我的make_pipeline()函數，以使用聚合查詢來計算每個用戶的tweet數量，將它們添加到數組中，並返回5個具有最高tweets的用戶。

行使

使用聚合查詢，計算每個用戶的推文數量。 在同一$group階段，使用$push累積每個用戶的所有tweet文本。

將您的輸出限制為鳴叫最多的5個用戶。

您的結果文檔應僅包括以下字段：

• "_id" （用戶的屏幕名稱），
• "count" （為用戶找到的推文數量），
• "tweet_texts" （為用戶找到的tweet文本的列表）。

背景

為了實現先前的目標，我正在測試以下代碼：

def make_pipeline():
    # complete the aggregation pipeline
    pipeline = [
        {"$group": {"_id": "$user.screen_name", "tweet_texts": {"$push": "$text"}, "count": {"$sum": 1}}},
        {"$project": {"_id": "$user.screen_name", "count": 1, "tweet_texts": 1}},
        {"$sort" : {"count" : -1}},
        {"$limit": 5}
    ]
    return pipeline

邏輯

首先，我按username名將所有推文分組。 然后，在同一階段，我將所有發短信的推文推送到tweet_texts並計算每個分組的事件。 我相信這會給我帶來最多推文的用戶數量。

然后，我進行投影以僅選擇我想要的三個字段：

• _ID
• 計數
• tweet_texts

最后，我對結果進行排序和限制。

問題

我通過了考試，但未通過提交。 我究竟做錯了什么？ 我現在的錯誤一定是在第一個（小組）階段，但是對於上帝的愛，我找不到我做錯了什么。

數據樣本

{
    "_id" : ObjectId("5304e2e3cc9e684aa98bef97"),
    "text" : "First week of school is over :P",
    "in_reply_to_status_id" : null,
    "retweet_count" : null,
    "contributors" : null,
    "created_at" : "Thu Sep 02 18:11:25 +0000 2010",
    "geo" : null,
    "source" : "web",
    "coordinates" : null,
    "in_reply_to_screen_name" : null,
    "truncated" : false,
    "entities" : {
        "user_mentions" : [ ],
        "urls" : [ ],
        "hashtags" : [ ]
    },
    "retweeted" : false,
    "place" : null,
    "user" : {
        "friends_count" : 145,
        "profile_sidebar_fill_color" : "E5507E",
        "location" : "Ireland :)",
        "verified" : false,
        "follow_request_sent" : null,
        "favourites_count" : 1,
        "profile_sidebar_border_color" : "CC3366",
        "profile_image_url" : "http://a1.twimg.com/profile_images/1107778717/phpkHoxzmAM_normal.jpg",
        "geo_enabled" : false,
        "created_at" : "Sun May 03 19:51:04 +0000 2009",
        "description" : "",
        "time_zone" : null,
        "url" : null,
        "screen_name" : "Catherinemull",
        "notifications" : null,
        "profile_background_color" : "FF6699",
        "listed_count" : 77,
        "lang" : "en",
        "profile_background_image_url" : "http://a3.twimg.com/profile_background_images/138228501/149174881-8cd806890274b828ed56598091c84e71_4c6fd4d8-full.jpg",
        "statuses_count" : 2475,
        "following" : null,
        "profile_text_color" : "362720",
        "protected" : false,
        "show_all_inline_media" : false,
        "profile_background_tile" : true,
        "name" : "Catherine Mullane",
        "contributors_enabled" : false,
        "profile_link_color" : "B40B43",
        "followers_count" : 169,
        "id" : 37486277,
        "profile_use_background_image" : true,
        "utc_offset" : null
    },
    "favorited" : false,
    "in_reply_to_user_id" : null,
    "id" : NumberLong("22819398300")
}

請幫忙！

Answer 1

$project步驟是多余的，因為$group管道已經只產生了這三個字段，因此不需要前面的$project階段。

正確的管道應該是

pipeline = [ 
    {
        "$group": {
            "_id": "$user.screen_name", 
            "tweet_texts": { "$push": "$text" }, 
            "count": { "$sum": 1 }
        }
    }, 
    { "$sort" : { "count" : -1 } }, 
    { "$limit": 5 } 
] 

您的$project管道不起作用，因為先前的$group管道不會產生任何字段"$user.screen_name" ，您嘗試將其用作$project管道中的_id字段。

但是，如果要包括$project步驟，則工作流程應遵循：

pipeline = [ 
    {
        "$group": {
            "_id": "$user.screen_name", 
            "tweet_texts": { "$push": "$text" }, 
            "count": { "$sum": 1 }
        }
    }, 
    { "$project": { "count": 1, "tweet_texts": 1 } },
    { "$sort" : { "count" : -1 } }, 
    { "$limit": 5 } 
] 

Answer 2

閱讀評論

閱讀評論，我發現

pipeline = [
        {"$group": {"_id": "$user.screen_name", "tweet_texts": {"$push": "$text"}, "count": {"$sum": 1}}},
        {"$project": {"_id": "$user.screen_name", "count": 1, "tweet_texts": 1}},
        {"$sort" : {"count" : -1}},
        {"$limit": 5}
    ]

實際上應該更改為：

pipeline = [ 
        {"$group": {"_id": "$user.screen_name", "tweet_texts": {"$push": "$text"}, "count": {"$sum": 1}}}, 
        {"$sort" : {"count" : -1}}, 
        {"$limit": 5}
    ]

為什么？

完整的答案和解釋可以在答案中看到：

• 這兩個MongoDB查詢之間有什么區別？

故事的結論是我錯誤地使用了$project階段。 首先，不僅不需要，它應該是冪等的。

{"$project": {"_id": "$_id", "count": 1, "tweet_texts": 1}},

我也強烈建議他回答：

• https://stackoverflow.com/a/40970901/1337392

特別感謝

以下用戶應獲得榮譽++：

• https://stackoverflow.com/users/122005/chridam

引導我進入正確的道路！