Nano Hash - криптовалюты, майнинг, программирование

У меня проблемы с пониманием сложной $группировки/агрегации

У меня есть примерно такая схема:

{
  _id: <objectid>
  customer: <objectid>
  employee: <objectid>
  date: <Month/day/year>
  amount: <Number>
}

Используя angular, я пытаюсь создать страницу, которая извлекает эти данные и создает отдельные таблицы для каждого дня. Что-то вроде того, что у меня была бы вкладка для вчерашнего дня, которая открывала бы представление для таблицы, в которой перечислены все мои сотрудники и их сумма за день. Что-то вроде этого:

[{
  date: 10/29/2019
  dataFromThisDate: [
    {
      employee: <name>
      sumAmount: <sum(amount for this date)>
      list:  [<array of all of the transaction _ids 
    },
    {
      employee: <name 2> 
      //etc
    }]
 },
 {
   date: 10/30/2019
   dataFromThisDate: //etc
 }]

В основном, насколько я понял, это просто:

MyCollection.aggregate(
  [{
    $group: {
       _id: "$date"
    }
  }],function(err, result) { //blah }
)

Но я не уверен, как даже сделать вложенную группировку (сначала по дате, затем по сотруднику в эту дату). Просто подумав об этом, мне кажется, что мне придется группировать по дате, а затем передавать все данные в новый конвейер группировки?

Извините, у меня нет большего из того, что я пробовал, вся эта агрегация совершенно нова для меня, и я не могу найти хороших примеров, которые достаточно похожи на то, что я пытаюсь сделать, чтобы учиться. Я просмотрел документы API для mongodb, и я понимаю их основные примеры и играю с ними, но мне просто трудно придумать, как сделать мой более сложный пример.


Ответы:


1

Вы можете попробовать что-то вроде этого. Для этого используются две группы. Сначала сгруппируйте по дате и сотруднику, суммируя сумму и добавляя идентификаторы транзакций. Вторая группа по дате и добавление сотрудников с их общей суммой и списком транзакций.

aggregate([{
    $group: {
        _id: {
            date: "$date",
            employee: "$employee"
        },
        amount: {
            $sum: "$amount"
        },
        transactionIds: {
            $push: "$_id"
        }
    }
}, {
    $group: {
        _id: "$_id.date",
        dataFromThisDate: {
            $push: {
                employee: "$_id.employee",
                sumAmount: "$amount",
                list: "$transactionIds"
            }
        }
    }
}])

Выход

 {
    "_id": "12/21/2016",
    "dataFromThisDate": [{
        "employee": "employee1",
        "sumAmount": 100,
        "list": [ObjectId("58151e881ac3c9ce82782663")]
    }, {
        "employee": "employee2",
        "sumAmount": 73,
        "list": [ObjectId("58151e881ac3c9ce82782665"), ObjectId("58151e881ac3c9ce82782666")]
    }]
 }
29.10.2016
  • Благодарю вас! Извините, что так долго не мог вернуться к этому, но это сработало прекрасно! 31.10.2016
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..