MongoDB 練習 – 各レストランの平均スコアを求める

MongoDB クエリを作成して、各レストランの平均スコアを見つけます。

「レストラン」コレクションの構造:
Query
Output
説明

「レストラン」コレクションの構造:

{
  "address": {
     "building": "1007",
     "coord": [ -73.856077, 40.848447 ],
     "street": "Morris Park Ave",
     "zipcode": "10462"
  },
  "borough": "Bronx",
  "cuisine": "Bakery",
  "grades": [
     { "date": { "$date": 1393804800000 }, "grade": "A", "score": 2 },
     { "date": { "$date": 1378857600000 }, "grade": "A", "score": 6 },
     { "date": { "$date": 1358985600000 }, "grade": "A", "score": 10 },
     { "date": { "$date": 1322006400000 }, "grade": "A", "score": 9 },
     { "date": { "$date": 1299715200000 }, "grade": "B", "score": 14 }
  ],
  "name": "Morris Park Bake Shop",
  "restaurant_id": "30075445"
}

Query

db.restaurants.aggregate([{
    $unwind: "$grades"
  },
  {
    $group: {
      _id: "$name",
      avgScore: {
        $avg: "$grades.score"
      }
    }
  }
])

Output

{ _id: "Buddy'S Burrito & Taco Bar", avgScore: 13.333333333333334 },
{ _id: 'Bergen Beach Cafe', avgScore: 12 },
{ _id: 'Pergola Des Artistes', avgScore: 6.333333333333333 },
{ _id: 'ZumStammtisch', avgScore: 12.833333333333334 },
{ _id: 'Shubert Theater', avgScore: 10.4 },
{ _id: "Big Daddy'S Diner", avgScore: 13.8 },
{ _id: 'Strokos Gourmet Deli', avgScore: 12.8 },
{ _id: 'Azusa Of Japan', avgScore: 11 },
{ _id: 'Pax Wholesome Foods', avgScore: 6.875 },
{ _id: "Erin'S Isle", avgScore: 9.5 },

.....

説明

このMongoDBの集計パイプライン操作は、’restaurants’ という名前のコレクション内のデータに対して集計計算を実行するためのものです。以下に各集計ステージの説明を示します。

$unwind: "$grades"：
このステージでは、$unwind 演算子を使用して配列フィールド "grades" を展開して個別のドキュメントにします。これによって、後続のステージで "grades" 配列内の各要素を操作できるようになります。
$unwind演算子について…
$group: { _id: "$name", avgScore: { $avg: "$grades.score" } }：
このステージでは、$group 演算子を使用して "name" フィールドでグループ化し、各グループの平均スコアを計算します。_id フィールドの値は "name" フィールドの値に設定され、同じ名前のドキュメントが同じグループに分類されます。$avg 演算子は、各グループ内の "grades.score" フィールドの平均値（平均スコア）を計算するために使用されます。
$group演算子について…