pymongo，一个灵活的 Python 库！
【pymongo，一个灵活的 Python 库！】
在日常数字化生活中，我们产生的用户信息、聊天记录、文章内容、设备数据、订单日志等信息，大多具有结构不固定、字段灵活、嵌套层级多的特点，传统关系型数据库难以高效存储和查询。而 MongoDB 作为主流的非关系型文档数据库，凭借灵活的 JSON 格式存储，成为处理这类数据的首选，想要用 Python 轻松操作 MongoDB，PyMongo就是最官方、最稳定、最灵活的驱动库。它是 Python 连接、操作 MongoDB 的核心工具，支持增删改查、索引创建、聚合查询、数据批量处理等全功能，无需复杂配置，用 Python 原生语法就能完成数据库操作，无论是个人项目存储数据、职场开发业务系统，还是日常数据管理，都能快速落地，是 Python 处理非关系型数据的必备利器。
一、库的简介：实际生活中的核心作用
PyMongo 是 MongoDB 官方推出的 Python 驱动库，核心作用是让 Python 程序与 MongoDB 数据库无缝通信，实现数据的持久化存储与高效管理。在实际生活中，它的应用无处不在：存储社交软件的用户动态、评论数据；管理笔记软件的文章、附件信息；保存物联网设备的实时监测数据；记录电商平台的用户行为日志；存储小程序的灵活配置信息。相比于传统数据库，MongoDB 无需固定表结构，PyMongo 能以最简单的方式完成数据读写，适配多变的业务需求，让 Python 开发者无需学习复杂的数据库语法，就能高效完成数据存储工作，是灵活化数据管理的最佳选择。
二、安装库
PyMongo 仅需通过 pip 命令即可快速安装，国内镜像安装速度更快，推荐使用：
bash
运行
# 基础安装 pip install pymongo # 国内清华镜像加速安装 pip install pymongo -i https://pypi.tuna.tsinghua.edu.cn/simple安装前确保本地或远程已部署 MongoDB 服务，并开启访问权限，这是 PyMongo 运行的前提。
三、基本用法（分 4 个核心步骤）
步骤 1：连接 MongoDB 数据库
新建 Python 文件，导入 PyMongo，创建客户端连接数据库服务：
python
运行
# 导入PyMongo核心类 from pymongo import MongoClient # 本地MongoDB默认连接（无密码） client = MongoClient('mongodb://localhost:27017/')步骤 2：指定数据库与集合
MongoDB 以数据库（db）和集合（collection）管理数据，集合等同于关系型数据库的表：
python
运行
# 指定数据库（不存在会自动创建） db = client['test_database'] # 指定集合（不存在会自动创建） collection = db['user_collection']步骤 3：执行数据增删改查操作
使用 PyMongo 内置函数，完成最常用的数据操作：
python
运行
# 1. 插入单条数据 user = {"name": "小明", "age": 22, "city": "北京", "hobby": ["读书", "编程"]} insert_result = collection.insert_one(user) print("插入数据ID：", insert_result.inserted_id) # 2. 查询数据 find_result = collection.find_one({"name": "小明"}) print("查询结果：", find_result)步骤 4：关闭数据库连接
数据操作完成后，关闭客户端连接，释放资源：
python
运行
# 关闭连接 client.close()四、高级用法
PyMongo 提供丰富的高级功能，适配复杂的数据处理需求：
- 批量操作：支持批量插入、批量更新、批量删除，提升数据处理效率；
- 条件查询：支持大于、小于、范围、模糊匹配等高级筛选；
- 索引管理：创建索引优化查询速度，支持唯一索引、复合索引；
- 聚合查询：实现分组统计、求和、平均值等数据分析操作；
- 数据排序与分页：支持排序展示、分页查询，适配大数据展示场景。
高级用法示例（批量插入 + 条件查询）：
python
运行
from pymongo import MongoClient client = MongoClient('mongodb://localhost:27017/') collection = client['test_database']['user_collection'] # 批量插入数据 users = [ {"name": "小红", "age": 20, "city": "上海"}, {"name": "小刚", "age": 25, "city": "北京"}, {"name": "小丽", "age": 23, "city": "深圳"} ] collection.insert_many(users) # 条件查询：年龄大于22的用户 results = collection.find({"age": {"$gt": 22}}) for res in results: print(res) client.close()五、实际应用场景
PyMongo 适配日常生活与开发的高频数据存储场景，实用性极强：
- 个人数据管理：存储个人笔记、观影记录、账单信息、待办事项；
- 爬虫数据存储：保存爬虫获取的文章、商品、新闻等非结构化数据；
- 小程序 / APP 开发：存储用户信息、配置数据、动态内容，适配灵活字段；
- 物联网开发：记录传感器、设备的实时数据，支持高频写入；
- 数据分析：存储日志数据、用户行为数据，用于后续统计分析。
深度案例代码：个人账单管理系统（完整可运行）
python
运行
from pymongo import MongoClient from datetime import datetime # 连接数据库 client = MongoClient('mongodb://localhost:27017/') db = client['bill_system'] collection = db['bills'] # 添加账单 def add_bill(name, money, category, remark=""): bill = { "name": name, "money": money, "category": category, "remark": remark, "time": datetime.now().strftime("%Y-%m-%d %H:%M:%S") } collection.insert_one(bill) print("账单添加成功！") # 查询所有账单 def get_all_bills(): bills = list(collection.find().sort("time", -1)) for bill in bills: print(f"{bill['time']} | {bill['name']} | {bill['category']} | {bill['money']}元") # 按分类统计消费 def count_by_category(): pipeline = [ {"$group": {"_id": "$category", "total": {"$sum": "$money"}}} ] result = list(collection.aggregate(pipeline)) print("分类消费统计：", result) # 测试功能 if __name__ == "__main__": add_bill("午餐", 25, "餐饮", "公司楼下就餐") add_bill("打车", 15, "交通") get_all_bills() count_by_category() client.close()PyMongo 作为 Python 操作 MongoDB 的标准库，凭借简洁语法、稳定性能和高度灵活性，成为处理非结构化数据的首选工具。它降低了非关系型数据库的使用门槛，让开发者可以专注于业务逻辑，快速完成数据存储与管理，无论是个人小项目还是企业级应用，都能完美适配。在数据类型越来越丰富的今天，掌握 PyMongo，能让你的 Python 数据处理能力更上一层楼。
相信通过这篇文章，你已经掌握了 PyMongo 的核心用法和实用场景，它能帮你轻松解决各类灵活数据的存储问题。你平时最想用 PyMongo 存储什么类型的数据呢？是个人账单、爬虫数据还是小程序用户信息？不妨动手实践一下，感受非关系型数据库带来的便捷与高效。