MongoDB 練習 – 最も高い平均スコアを獲得したレストランを見つける

MongoDB クエリを作成して、最高の平均スコアを達成したレストランを検索します。

「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"},
  {$group: {
    _id: "$restaurant_id",
avgScore: {$avg: "$grades.score"}
  }},
  {$sort: {avgScore: -1}},
  {$limit: 1},
  {$project: {_id: 1, avgScore: 1}}
])

Output

[ { _id: '40393488', avgScore: 38.6 } ]

説明

このMongoDBの集計（Aggregation）パイプラインは、’restaurants’ コレクション内のデータを処理し、特定の条件をもとにデータを集計します。具体的な手順は以下の通りです：

{ $unwind: “$grades” }：
このステップでは、“grades” 配列をアンウィンド（展開）して、個別の “grades” ドキュメントとしてデータを分解します。

{ $group: { _id: “$restaurant_id”, avgScore: { $avg: “$grades.score” } } }：
このステップでは、“restaurant_id” をグループ化キーとして使用し、それに関連する “grades.score” フィールドの平均値を計算します。結果は “restaurant_id” ごとに集計された平均スコアとして得られます。

{ $sort: { avgScore: -1 } }：
このステップでは、平均スコアに基づいて結果を降順にソートします。

{ $limit: 1 }：
このステップでは、ソート済み結果から上位のドキュメント1つだけを選択します。

{ $project: { _id: 1, avgScore: 1 } }：
このステップでは、結果に含まれるフィールドを制御します。“_id” フィールドと “avgScore” フィールドのみを含むように投影されます。

要するに、この集計パイプラインの目的は、レストランごとに “grades.score” の平均値を計算し、最も高い平均スコアを持つレストランの “restaurant_id” と平均スコアを抽出することです。結果は、”restaurant_id” と平均スコアの情報を含むドキュメントとして返されます。

Previous：「ピザ」という単語を含む料理を提供するレストランとその住所を検索します

Next：「A」評価の数が最も多いレストランを見つける