/ /

PyMongo

Docs Home

Librerías de clientes

Python

PyMongo

Docs Home

Librerías de clientes

Python

PyMongo

Datos de Time Series

Overview

En esta guía, puedes aprender cómo usar PyMongo para almacenar e interactuar con datos de series de tiempo.

Los datos de series de tiempo se componen de los siguientes componentes:

Cantidad medida
Marca de tiempo para la medición
Metadatos que describen la medición

La siguiente tabla describe situaciones de muestra para las que podrías almacenar datos de series de tiempo:

Situación	Cantidad medida	Metadata
Registro de ventas mensuales por industria	Ganancia en USD	Empresa, país
Seguimiento de los cambios meteorológicos	Nivel de precipitación	Ubicación, tipo de sensor
Registro de fluctuaciones en los precios de la vivienda	Precio de alquiler mensual	Ubicación, moneda

Crear una colección de series de tiempo

Importante

Versión del servidor para colecciones de series de tiempo

Para crear e interactuar con colecciones de series temporales, debe estar conectado a una implementación que ejecute MongoDB Server 5.0 o posterior.

Para crear una colección de series de tiempo, pasa los siguientes argumentos a la create_collection() :

Nombre de la nueva colección que se va a crear
timeseries argument

El argumento timeseries es de tipo dict. Incluye los siguientes campos:

timeField: Especifica el campo que almacena una marca de tiempo en cada documento de serie de tiempo.
metaField: Especifica el campo que almacena metadatos en cada documento de serie temporal.
granularity: Especifica el tiempo aproximado entre marcas de tiempo consecutivas. Los posibles valores son 'seconds', 'minutes' y 'hours'.
bucketMaxSpanSeconds : Establece el tiempo máximo entre marcas de tiempo en el mismo grupo.
bucketRoundingSeconds: Establece el número de segundos en que MongoDB redondea hacia abajo cuando determina la marca de tiempo mínima para un nuevo bucket. Debe ser igual a bucketMaxSpanSeconds.

Ver Campos de comandos para obtener más información sobre estos campos.

Ejemplo

El siguiente ejemplo crea una colección de series de tiempo llamada october2024 con la opción timeField establecida en "timestamp". Elija el Synchronous o la pestaña Asynchronous para ver el código correspondiente:

database = client.get_database("weather")
time_series_options = {
    "timeField": "timestamp"
}
database.create_collection("october2024", timeseries=time_series_options)

database = client.get_database("weather")
time_series_options = {
    "timeField": "timestamp"
}
await database.create_collection("october2024", timeseries=time_series_options)

Para comprobar si creaste la colección correctamente, puedes obtener una lista de todas las colecciones en tu base de datos y filtrar por el nombre de la colección. Seleccione la pestaña Synchronous o Asynchronous para ver el código correspondiente:

print(list(database.list_collections(filter={'name': 'october2024'})))

{
    "name": "october2024",
    "type": "timeseries",
    "options": {
        "timeseries":   {
            "timeField": "timestamp",
            "granularity": "seconds",
            "bucketMaxSpanSeconds": 3600
        }
    },
    "info": {
        "readOnly": False
    }
}

collections = await database.list_collections(filter={'name': 'october2024'})
print(await collections.to_list())

{
    "name": "october2024",
    "type": "timeseries",
    "options": {
        "timeseries":   {
            "timeField": "timestamp",
            "granularity": "seconds",
            "bucketMaxSpanSeconds": 3600
        }
    },
    "info": {
        "readOnly": False
    }
}

Almacenar datos de series temporales

Puedes insertar datos en una colección de series de tiempo utilizando los métodos insert_one() o insert_many() y especificando la medición, la marca de tiempo y los metadatos en cada documento insertado.

Para obtener más información sobre cómo insertar documentos, consulte Inserte Documentos.

Ejemplo

Este ejemplo inserta datos de temperatura de la ciudad de Nueva York en la october2024 colección de series temporales creada en Crear una colección de series temporales. Cada documento contiene los siguientes campos:

temperatureque almacena las mediciones de temperatura en grados Fahrenheit
location, que almacena metadatos de ubicación
timestamp, que almacena la marca de tiempo de la medición

Selecciona la pestaña Synchronous o Asynchronous para ver el código correspondiente:

from datetime import datetime
collection = database["october2024"]
document_list = [
    { "temperature": 77, "location": "New York City", "timestamp": datetime(2024, 10, 22, 6, 0, 0) },
    { "temperature": 74, "location": "New York City", "timestamp": datetime(2024, 10, 23, 6, 0, 0) }
]
collection.insert_many(document_list)

from datetime import datetime
collection = database["october2024"]
document_list = [
    { "temperature": 77, "location": "New York City", "timestamp": datetime(2024, 10, 22, 6, 0, 0) },
    { "temperature": 74, "location": "New York City", "timestamp": datetime(2024, 10, 23, 6, 0, 0) }
]
await collection.insert_many(document_list)

Tip

Formateando fechas y horas

Para obtener más información sobre el uso de objetos datetime en PyMongo, consulte Fechas y horarios.

Consultar datos de series de tiempo

Puedes utilizar la misma sintaxis y convenciones para consultar datos almacenados en una colección de series temporales que utilizas al realizar operaciones de lectura o agregación en otras colecciones. Para obtener más información sobre estas operaciones, consulte Query y Transformar tus datos con agregación.

Información Adicional

Para obtener más información sobre los conceptos de esta guía, consulte las siguientes entradas del manual de MongoDB Server:

Documentación de la API

Para obtener más información sobre los métodos mencionados en esta guía, consulte la siguiente documentación de API:

Volver

UUID

Indexes