郵便番号データセットによる集計

データモデル

zipcodes コレクション内の各ドキュメントの形式は次のとおりです。

{
  "_id": "10280",
  "city": "NEW YORK",
  "state": "NY",
  "pop": 5574,
  "loc": [
    -74.016323,
    40.710537
  ]
}

• _id フィールドには、郵便番号が文字列として保持されます。

• city フィールドには、都市名が保持されます。1 つの都市に複数の郵便番号を関連付けることができます。これは、都市の区画ごとに異なる郵便番号が付けられている場合があるためです。

• state フィールドには 2 文字の州の略称が保持されます。

• pop フィールドには人口が保持されます。

• loc フィールドには、ロケーションが経度と緯度のペアで保持されます。

aggregate() 方式

以下のすべての例では、aggregate() で mongosh のヘルパーを使用しています。

aggregate() メソッドは、集約パイプラインを使用してドキュメントを集約された結果に処理します。集約パイプラインはステージで構成され、各ステージではパイプラインを通過してドキュメントを処理します。ドキュメントは、ステージを順番に通過します。

mongoshのaggregate()メソッドは、aggregate データベースコマンドを囲むラッパーを提供します。データ集計操作のより慣用的なインターフェイスについては、ドライバーのドキュメントを参照してください。

人口が1,000万人を超える州を返す

次の集計操作では、総人口が 1,000 万人を超えるすべての州を返します。

db.zipcodes.aggregate( [
   { $group: { _id: "$state", totalPop: { $sum: "$pop" } } },
   { $match: { totalPop: { $gte: 10*1000*1000 } } }
] )

この例では、集計パイプラインは、$group ステージとそれに続く $match ステージで構成されています。

• $group ステージでは、zipcode コレクションのドキュメントを state フィールドごとにグループ化し、各州の totalPop フィールドを計算して、一意の州ごとにドキュメントを出力します。

  新しい州ごとのドキュメントには、_id フィールドと totalPop フィールドの 2 つのフィールドがあります。_id フィールドには、state（フィールド別のグループ）の値が含まれます。totalPop フィールドは、各州の総人口を含む計算フィールドです。値を計算するために、$group は $sum 演算子を使用して各州の人口フィールド（pop）を追加します。

  $group ステージの後、パイプライン内のドキュメントは次のようになります。

  {
    "_id" : "AK",
    "totalPop" : 550043
  }

• $match ステージでは、グループ化されたドキュメントをフィルタリングして、totalPop 値が 1,000 万以上のドキュメントのみを出力します。$match ステージでは、一致するドキュメントは変更されず、一致する変更されていないドキュメントを出力します。

この集計操作に相当する SQL は次のとおりです。

SELECT state, SUM(pop) AS totalPop
FROM zipcodes
GROUP BY state
HAVING totalPop >= (10*1000*1000)

州別の平均都市人口を返す

次の集計操作では、各州の都市の平均人口が返されます。

db.zipcodes.aggregate( [
   { $group: { _id: { state: "$state", city: "$city" }, pop: { $sum: "$pop" } } },
   { $group: { _id: "$_id.state", avgCityPop: { $avg: "$pop" } } }
] )

この例では、集約パイプラインは、$group ステージとそれに続く別の $group ステージで構成されます。

• 最初の $group ステージでは、ドキュメントを city と state の組み合わせでグループ化し、$sum 式を使用して各組み合わせの人口を計算し、city と state の組み合わせごとにドキュメントを出力します。[1]

  パイプラインのこのステージの後、ドキュメントは次のようになります。

  {
    "_id" : {
      "state" : "CO",
      "city" : "EDGEWATER"
    },
    "pop" : 13154
  }

• 2 番目の $group ステージでは、パイプライン内のドキュメントを _id.state フィールド（つまり、_id ドキュメント内の state フィールド）でグループ化し、$avg 式を使用して各州の都市の平均人口（avgCityPop）を計算し、各州のドキュメントを出力します。

この集約操作の結果のドキュメントは次のようになります。

{
  "_id" : "MN",
  "avgCityPop" : 5335
}

州別の最大都市と最小都市を返す

次の集計操作は、各州の人口が最小の都市と最大の都市を返します。

db.zipcodes.aggregate( [
   { $group:
      {
        _id: { state: "$state", city: "$city" },
        pop: { $sum: "$pop" }
      }
   },
   { $sort: { pop: 1 } },
   { $group:
      {
        _id : "$_id.state",
        biggestCity:  { $last: "$_id.city" },
        biggestPop:   { $last: "$pop" },
        smallestCity: { $first: "$_id.city" },
        smallestPop:  { $first: "$pop" }
      }
   },
  // the following $project is optional, and
  // modifies the output format.
  { $project:
    { _id: 0,
      state: "$_id",
      biggestCity:  { name: "$biggestCity",  pop: "$biggestPop" },
      smallestCity: { name: "$smallestCity", pop: "$smallestPop" }
    }
  }
] )

この例では、集計パイプラインは、$group ステージ、$sort ステージ、別の $group ステージ、$project ステージで構成されています。

• 最初の $group ステージでは、ドキュメントを city と state の組み合わせでグループ化し、組み合わせごとに pop の値の sum を計算し、city と state の組み合わせごとにドキュメントを出力します。

  パイプラインのこのステージでは、ドキュメントは次のようになります。

  {
    "_id" : {
      "state" : "CO",
      "city" : "EDGEWATER"
    },
    "pop" : 13154
  }

• $sort ステージでは、pop フィールドの値でパイプライン内のドキュメントを小さいものから大きいものへ、つまり昇順で並べます。この操作では、ドキュメントは変更されません。

• 次の $group ステージでは、ソートされたドキュメントを _id.state フィールド（つまり、_id ドキュメント内の state フィールド）でグループ化し、各州のドキュメントを出力します。

  このステージでは、各州について次の 4 つのフィールドも計算されます。$last 式を使用して、$group 演算子は、人口が最も多い都市とその人口を保存する biggestCity フィールドと biggestPop フィールドを作成します。$first 式を使用して、$group 演算子は、人口が最も少ない都市とその人口を保存する smallestCity フィールドと smallestPop フィールドを作成します。

  パイプラインのこのステージでのドキュメントは以下のようになります。

  {
    "_id" : "WA",
    "biggestCity" : "SEATTLE",
    "biggestPop" : 520096,
    "smallestCity" : "BENGE",
    "smallestPop" : 2
  }

• 最後の $project ステージでは、_id フィールドの名前が state に変更され、biggestCity、biggestPop、smallestCity、smallestPop が biggestCity と smallestCity の埋め込みドキュメントに移動されます。

この集約操作の出力ドキュメントは、次のようになります。

{
  "state" : "RI",
  "biggestCity" : {
    "name" : "CRANSTON",
    "pop" : 176404
  },
  "smallestCity" : {
    "name" : "CLAYVILLE",
    "pop" : 45
  }
}