Python连接与操作MongoDB数据库实战指南

Dylan

发布时间：2026-10-13 | 5人浏览过

原创

本文详细介绍如何使用Python连接MongoDB数据库，涵盖建立连接、基础查询、条件过滤（AND/OR）、字段选择、排序、分页、去重及结果导出至Excel等核心操作。通过具体代码示例，帮助开发者快速掌握MongoDB在Python环境下的基本应用技巧。

Python连接MongoDB数据库

本文通过具体实例，详细解析在Python中连接及操作MongoDB数据库的方法，供读者参考学习。

数据库连接


from pymongo import MongoClient
import pandas as pd
#建立MongoDB数据库连接
client = MongoClient('162.23.167.36',27101)#或MongoClient("mongodb://162.23.167.36:27101/")
#连接所需数据库,testDatabase为数据库名:
db=client.testDatabase
#连接所用集合，也就是我们通常所说的表，testTable为表名
collection=db.testTable

MongoDB基础查询操作

获取前几条记录


dataSet=collection.find().limit(3)
for item in dataSet:
  print(item)

无条件查询所有数据


dataSet=collection.find()
for item in dataSet:
  print(item)

条件查询与字段筛选

按AND条件查询全部记录


#查询cpu使用率大于等于10且内存使用率大于等于10的所有字段数据
dataSet=collection.find({"cpu":{"$gte":10},"mem":{"$gte":10}})
for item in dataSet:
  print(item)

按AND条件查询指定字段


#查询cpu使用率大于等于10且内存使用率大于等于10的数据，字段只显示did、ts、cpu、mem
dataSet=collection.find({"cpu":{"$gte":10},"mem":{"$gte":10}}, {"did":1,"ts":1,"cpu":1,"mem":1})
for item in dataSet:
  print(item)
#查询cpu使用率等于0且内存使用率等于0的数据，字段只显示did、ts、cpu、mem
dataSet=collection.find({"cpu":0,"mem":0}, {"did":1,"ts":1,"cpu":1,"mem":1})
for item in dataSet:
  print(item)

按OR条件查询指定字段


#查询cpu使用率大于等于10或者内存使用率大于等于10的数据，字段只显示did、ts、cpu、mem
dataSet=collection.find({"$or":[{"cpu":{"$gte":10}},{"mem":{"$gte":10}}]}, {"did":1,"ts":1,"cpu":1,"mem":1})
for item in dataSet:
  print(item)
#查询cpu使用率等于10或者内存使用率等于10的数据，字段只显示did、ts、cpu、mem
dataSet=collection.find({"$or":[{"cpu":10},{"mem":10}]}, {"did":1,"ts":1,"cpu":1,"mem":1})
for item in dataSet:
  print(item)

MongoDB条件操作符详解

MongoDB的条件操作符说明


#  > - $gt
#  < - $lt
#  >= - $gte
#  <= - $lte

数据排序与高级处理

数据排序


#单列升序排序查询，，1 为升序，-1为降序
dataSet=collection.find().sort([("cpu",1)])
for item in dataSet:
  print(item)
#多列排序查询
dataSet=collection.find().sort([('did',pymongo.ASCENDING),('cpu',pymongo.DESCENDING)])
for item in dataSet:
  print(item)

查询结果导出与去重

将查询结果写入Excel文件


#查询cpu使用率大于等于10且内存使用率大于等于10的数据，字段只显示did、ts、cpu、mem，查询结果写入excel
import pandas as pd
dataSet=collection.find({"cpu":{"$gte":10},"mem":{"$gte":10}}, {"did":1,"ts":1,"cpu":1,"mem":1})
did,ts,cpu,mem=[],[],[],[]
for item in dataSet:
  did.append(item["did"])
  ts.append(item["ts"])
  cpu.append(item["cpu"])
  mem.append(item["mem"])
df=pd.DataFrame({"did":did,"ts":ts,"cpu":cpu,"mem":mem})
df.to_excel("C:/Users/Desktop/设备cpu内存数据.xlsx")

跳过指定行数进行查询


#下面表示跳过两条数据后读取数据
dataSet=collection.find().skip(2)
for item in dataSet:
  print(item)

数据去重处理


#查询cpu使用率大于20、did不重复的数据
dataSet=collection.distinct("did",{"cpu":{$gt:20}})
for item in dataSet:
  print(item)
#等同mysql的select distinct(did) from user where cpu>20

参考资源

关于MongoDB更详细的操作说明，可访问：https://www.jb51.net/article/169726.htm

如需了解更多Python相关知识，建议查阅本站专题：《Python常见数据库操作技巧汇总》、《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》以及《Python文件与目录操作技巧汇总》。

希望本文提供的Python程序设计内容能对大家有所帮助。