使用Mongoengine的EmbeddedDocumentField()在Python中执行复杂的数据过滤和聚合

Mongoengine是一个Python对象文档映射（ODM）库，用于与MongoDB数据库进行交互。它提供了EmbeddedDocumentField()字段来表示嵌入式文档，并且可以方便地进行复杂的数据过滤和聚合。

下面是一个使用Mongoengine和EmbeddedDocumentField()执行数据过滤和聚合的示例：

from mongoengine import Document, EmbeddedDocument, fields

# 创建嵌入式文档
class Address(EmbeddedDocument):
    street = fields.StringField(required=True)
    city = fields.StringField(required=True)
    state = fields.StringField(required=True)
    zip_code = fields.StringField(required=True)

# 创建主文档
class Person(Document):
    name = fields.StringField(required=True)
    age = fields.IntField(required=True)
    address = fields.EmbeddedDocumentField(Address)

    meta = {'collection': 'people'}

# 连接数据库
connect('mydatabase')

# 创建并保存文档
address = Address(street='123 Main St', city='New York', state='NY', zip_code='10001')
person = Person(name='John Doe', age=30, address=address)
person.save()

# 查询所有文档
all_people = Person.objects

# 过滤数据
people_in_nyc = Person.objects(address__city='New York')

# 更新文档
person = Person.objects(name='John Doe').first()
person.age = 35
person.save()

# 删除文档
Person.objects(name='John Doe').delete()

# 聚合数据
from mongoengine.aggregation import *
pipeline = [
    Match(address__state='NY'),
    Group('address__city', count=Count('id'))
]
result = Person.objects.aggregate(*pipeline)

for r in result:
    print(r['_id'], r['count'])

上述示例中，首先定义了一个嵌入式文档Address，包含一些基本的地址信息。然后创建了一个主文档Person，包含姓名、年龄和地址等字段，其中地址字段使用了EmbeddedDocumentField()。

接下来，连接到MongoDB数据库并创建并保存了一个人员文档。然后展示了如何查询所有文档、如何过滤数据、如何更新和删除文档。

最后，展示了如何使用聚合框架对数据进行聚合分析。通过使用Match()过滤器，可以筛选出特定条件的文档。然后使用Group()和Count()函数进行分组和计数，最后输出聚合结果。

总的来说，Mongoengine的EmbeddedDocumentField()提供了一种方便的方式来处理嵌入式文档，并且可以轻松执行复杂的数据过滤和聚合操作。