MongoDB 練習 – 各区の平均スコアを求める

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

Output

{ _id: 'Queens', avgScore: 11.603178953137846 },
{ _id: 'Manhattan', avgScore: 11.375442086648983 },
{ _id: 'Brooklyn', avgScore: 11.492063492063492 },
{ _id: 'Staten Island', avgScore: 11.142215568862275 },
{ _id: 'Bronx', avgScore: 11.30313124583611 }

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。

$group: { _id: “$borough”, avgScore: { $avg: “$grades.score” } }：
このステージでは、“$borough” 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、各地区（borough）ごとに “grades.score” の平均値を計算します。”_id” フィールドには地区が、”avgScore” フィールドには対応する地区内の “grades.score” の平均値が格納されます。