MongoDB 練習 – 各料理の平均点を求める

MongoDB クエリを作成して、各料理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"
  },
  {
    $group: {
      _id: "$cuisine",
avgScore: { $avg: "$grades.score" }
    }
  }
])

Output

_id: 'Korean', avgScore: 14.106194690265486 },
{ _id: 'Ethiopian', avgScore: 10 },
{ _id: 'Hamburgers', avgScore: 9.125854993160054 },
{ _id: 'Egyptian', avgScore: 12.727272727272727 },
{ _id: 'Soups & Sandwiches', avgScore: 8.394736842105264 },
{ _id: 'English', avgScore: 9.714285714285714 },
{ _id: 'Chicken', avgScore: 10.46 },
{ _id: 'Italian', avgScore: 12.212588310854207 },
{ _id: 'Pizza', avgScore: 11.489733840304183 },
{ _id: 'Steak', avgScore: 10.019607843137255 },
{ _id: 'Afghan', avgScore: 9.7 },
{ _id: 'Filipino', avgScore: 9.6875 },
.....

説明

このMongoDBの集計パイプライン操作は、’restaurants’ コレクション内のデータに対して、以下の手順で集計計算を行います：

$unwind: “$grades”：
このステージでは、配列フィールドである “grades” を展開し、各 “grades” 要素を個別のドキュメントとして分割します。これにより、各 “grades” 要素に対して後続の処理を行うことができるようになります。

$group: { _id: “$cuisine”, avgScore: { $avg: “$grades.score” } }：
このステージでは、“$cuisine” フィールドでドキュメントをグループ化し、各グループ内の “grades.score” フィールドの平均値を計算します。つまり、各料理種類ごとに “grades.score” の平均を計算します。”_id” フィールドには料理種類が、”avgScore” フィールドには対応する料理種類内の “grades.score” の平均値が格納されます。