本博客起源於博主的大三NoSQL課程設計，采用python+MongoDB結合方式，將數據從txt文件導入MongoDB之中，再將其取出以作圖。主要技術是采用python與MongoDB結合存儲讀取方案，所以本博客截取了課設的部分內容，主要講解python操作MongoDB方案實現，以給想要學習python+MongoDB編程開發的同學學習練手。

設計思路

1、Python編程語言和MongoDB有驅動包pymongo連接，使用pymongo對MongoDB進行編程開發、數據讀取，以及後續的畫圖分析和數據可視化處理

2、使用的數據文件sample.txt.txt。

設計內容

1、先使用

　　(1) 創建並連接到MongoDB 中的nosql數據庫;

　　 (2) 創建並連接到nosql數據庫的集合sample;

2、對讀出的數據進行可視化處理。

　　(1) 畫圖主要使用的Python包為matplotlib.plot。

設計步驟及結果測試

1、先使用dataToMongo.py將文件清洗後導入MongoDB中。

　　(1) 采用pymongo連接驅動

　　(2) 采用pymongo的MongoClient類連接mongod

　　(3) python中使用的mongo常用語法與mongo的JSON語法基本相同。

MongoDB啟動：

啟動Python腳本dataToMongo.py將數據從文件中讀出並存入MongoDB中：

　　註意要使用以下命令 （由於前期使用python+Hadoop的方式編寫，所以使用了unix輸入輸出流來讀數據）：

　　# cat sample.txt.txt | ./dataToMongo.py

數據成功存入MongoDB：

dataToMongo.py

#!/usr/bin/python3
# -*- coding:utf-8 -*-
# 這個文件是用來將數據存入MongoDB中數據庫nosql的
# collection為 sample (db.sample.find())
 

# 格式為："line1": [data1,data2...]

from pymongo import MongoClient
import sys

# Connect to mongod, use DB: ‘nosql‘, use COLLECTION: ‘sample‘
conn = MongoClient(‘127.0.0.1‘, 27017)  #連接mongod
db = conn.nosql                         #連接‘nosql‘數據庫，沒有則自動創建
sample = db.sample                      #使用sample集合，沒有則自動創建

n = 1
data = list() 
for line in sys.stdin:
    data = line.strip().split()
    linenum="line"+str(n)               # linenum是line字符串+數字組成的字符串，後面插入數據集時會用到
    if n==1:
        pass                            # 第一行數據是沒用的，清洗掉
    elif n==2:
        data = data[4:]                 # 實測觀察數據從第四個數據開始
        data[0] = ‘-3.1415926536‘       # 原數據是‘Real=-3.1415926536’，所以將數據修改下
        for index,item in enumerate(data):
            data[index] = float(item)   # 將原來是字符串的數據轉為float類型
        sample.insert({                 # 將數據插入(insert)MongoDB中的sample集合
            "line":linenum,             # 這裏我為了後續作圖方便，插入了一個{line：linenum}的鍵值對
            "value":data                # {value: data}鍵值對， data是一個list變量哦
        })
    else:
        data = data[2:]                 # 和第二行的數據不一樣，實測觀察出的，有時候編程是要一步步觀察修改的
        for index,item in enumerate(data):  # 考驗自己的動手能力，怎麽觀察實現要自己想辦法了
            data[index] = float(item)
        sample.insert({
            "line":linenum,
            "value":data
        })
    n+=1

2、對讀出的數據進行可視化處理。

畫圖腳本：main.py

(1) 第一個圖：

藍色的線是在1.0*10^9頻率下，phi=0

橙色的線是在1.0*10^9頻率下，phi=1.5707963268。

橫坐標是Theta(degree)，範圍從-Pi ~Pi；縱坐標是電場值。

相同頻率下，theta角度越大，電場值越小。

main.py

#!/usr/bin/python3
# -*- coding:utf-8 -*-
# file : main.py
# 這個文件是用來讀取MongoDB中nosql數據庫.sample集合數據
# 讀出之後作圖

from pymongo import MongoClient
import matplotlib.pyplot as plt

# Connect to mongod, use DB: ‘nosql‘, use COLLECTION: ‘sample‘
conn = MongoClient(‘127.0.0.1‘, 27017)                             #連接mongod
db = conn.nosql                                                    #連接‘nosql‘數據庫，沒有則自動創建
sample = db.sample                                                 #使用sample集合，沒有則自動創建

angle_theta_radian=sample.find_one({"line":"line2"})[‘value‘]      #使用find_one查找第2行的數據，取其名為‘value’的鍵值對的值
data_phi0=sample.find_one({"line":"line3"})[‘value‘]               #使用find_one查找第3行的數據，取其名為‘value’的鍵值對的值
data_phi90=sample.find_one({"line":"line48"})[‘value‘]             #使用find_one查找第48行的數據，取其名為‘value’的鍵值對的值

plt1, = plt.plot(angle_theta_radian,data_phi0)                     #作圖1
plt2, = plt.plot(angle_theta_radian,data_phi90)                    #作圖2
plt.legend([plt1,plt2],[‘Electrial Field1‘,‘Electrial Field2‘],loc=‘upper right‘)  #設置圖例
plt.xlabel(‘Theta (degree)‘)                                       #設置x軸標簽
plt.ylabel(‘Electrical field (V/m)‘)                               #設置y軸標簽
plt.show()                                                         #以上一起顯示出來

(2) 第二個圖：

藍色的線是，在1.0*10^9頻率下，phi=0；

橙色的線是，在1.02*10^9頻率下，phi=0；（第93行： line93）

橫坐標是Theta(degree)，範圍從-Pi ~Pi；縱坐標是電場值。

相同theat角度下，頻率越高，電場值絕對值越大。

實現：將main.py腳本文件中的

data_phi90=sample.find_one({"line":"line48"})[‘value‘]

修改為：

data_phi90=sample.find_one({"line":"line93"})[‘value‘]

即可得出。

數據文件說明：

1、數據文件概述：是測試的電場強度數據文件。

包括多個頻率測試的電場強度，每個頻率的數據是一個數據塊。

在一個頻率點測試的數據（每一塊數據裏面），又包括多行數據（每行是一個theta角度的數據）和多列數據（每一列為一個phi角度的數據）。

2、數據文件含義：

3、實驗測試與數據的關系如下

對於文件sample.txt.txt，只有兩個頻率（10⁹頻率和1.2*10⁹頻率）。

感謝李老師的數據文件說明，如果有任何侵權問題，博主可以立即刪除。

博客好像發不了文件，如果需要數據文件的話請留言郵箱，看到了發給你。

python+MongoDB使用示例