如何通过嵌套字典进行聚合，对其值求和并相应地对它们进行排名？答案

【问题标题】：How to aggregate through nested dictionaries, sum its values, and rank them accordingly?如何通过嵌套字典进行聚合，对其值求和并相应地对它们进行排名？
【发布时间】：2021-06-23 04:57:15
【问题描述】：

我有一个 MongoDB 数据库，其中包含文档级别的单词频率，如下所示。我有大约 175k 个相同格式的文档，总计大约 2.5GB。

{
    "_id": xxx,
    "title": "zzz",
    "vectors": {
        "word1": 28,
        "word2": 22,
        "word3": 12,
        "word4": 7,
        "word5": 4
    }

现在我想遍历所有文档，计算每个单词的所有频率之和，并根据频率获得我在vectors 字段中的这些单词的总排名：

{
    "vectors": {
        "word1": 223458,
        "word2": 98562,
        "word3": 76433,
        "word4": 4570,
        "word5": 2599
    }

$unwind 似乎在这里不起作用，因为我有一个嵌套字典。我对 MongoDB 比较陌生，我找不到具体的答案。有什么想法吗？

【问题讨论】：

你只有5个字或者它的动态？
它是动态的，每个文档 500 到 1500 个字。
如果您有至少 500 个属性，我认为在 mongodb 中没有更好的方法来执行此操作，请查看 hhharsha36 的答案，但它的速度不会很好，因为根据您的数据。
确实很慢，每个查询需要 5 到 10 分钟。在找到更好的解决方案之前，我会坚持@hhharsha36 的回答。

标签： python mongodb aggregation-framework pymongo

【解决方案1】：

您必须使用$objectToArray 将子对象的键转换为值，然后使用新转换的数组$unwind （$unwind 仅适用于数组字段，这就是它不适合您的原因）。

最后，按$vectors.k 分组，其中子对象键已转换为值。

db.collection.aggregate([
  {
    "$project": {
      "vectors": {
        "$objectToArray": "$vectors"
      }
    },
  },
  {
    "$unwind": "$vectors"
  },
  {
    "$group": {
      "_id": "$vectors.k",
      "count": {
        "$sum": "$vectors.v"
      },
    },
  },
])

Mongo Playground Sample Execution

【讨论】：

完美答案，感谢您的帮助。 + 我加了{'$sort': {'count': -1}}，从最频繁到最少，加上{allowDiskUse: true}，因为数据比较大。
很高兴它对您有所帮助；) 将更新答案，如果我找到更好的解决方案，请告诉您。