Data Science Academy - Python Fundamentos - Capítulo 6

Download: http://github.com/dsacademybr



In [1]:

    
# Versão da Linguagem Python
from platform import python_version
print('Versão da Linguagem Python Usada Neste Jupyter Notebook:', python_version())









    



Versão da Linguagem Python Usada Neste Jupyter Notebook: 3.7.6

Gravando Dados no MongoDB com PyMongo



In [ ]:

    
# Instala o pacote pymongo para conectar no banco de dados MongoDB
!pip install -q pymongo



In [1]:

    
# Importamos o MongoClient para conectar nossa aplicação ao MongoDB
from pymongo import MongoClient



In [2]:

    
# Estabelecemos a conexão ao Banco de Dados
conn = MongoClient('localhost', 27017)



In [3]:

    
type(conn)









    Out[3]:





pymongo.mongo_client.MongoClient



In [4]:

    
# Uma única instância do MongoDB pode suportar diversos bancos de dados. 
# Vamos criar o banco de dados cadastrodb
db = conn.cadastrodb



In [5]:

    
type(db)









    Out[5]:





pymongo.database.Database



In [6]:

    
# Uma coleção é um grupo de documentos armazenados no MongoDB 
# (relativamente parecido com o conceito de tabelas em bancos relacionais)
collection = db.cadastrodb



In [7]:

    
type(collection)









    Out[7]:





pymongo.collection.Collection

Uma nota importante sobre coleções (e bancos de dados) no MongoDB é que eles são criados posteriormente - nenhum dos comandos acima executou efetivamente qualquer operação no servidor MongoDB. Coleções e bancos de dados são criados quando o primeiro documento é inserido.



In [8]:

    
import datetime

Dados no MongoDB são representados (e armazenados) usando documentos JSON (Java Script Object Notation). Com o PyMongo usamos dicionários para representar documentos.



In [9]:

    
post1 = {"codigo": "ID-9987725",
        "prod_name": "Geladeira",
        "marcas": ["brastemp", "consul", "elecrolux"],
        "data_cadastro": datetime.datetime.utcnow()}



In [10]:

    
type(post1)









    Out[10]:





dict



In [11]:

    
collection = db.posts



In [12]:

    
post_id = collection.insert_one(post1)



In [13]:

    
post_id.inserted_id









    Out[13]:





ObjectId('5ad94235b093151c3d578f32')



In [14]:

    
# Quando um documento é inserido uma chave especial, "_id", é adicionada 
# automaticamente se o documento ainda não contém uma chave "_id".
post_id









    Out[14]:





<pymongo.results.InsertOneResult at 0x11176a448>



In [15]:

    
post2 = {"codigo": "ID-2209876",
        "prod_name": "Televisor",
        "marcas": ["samsung", "panasonic", "lg"],
        "data_cadastro": datetime.datetime.utcnow()}



In [16]:

    
collection = db.posts



In [17]:

    
post_id = collection.insert_one(post2).inserted_id



In [18]:

    
post_id









    Out[18]:





ObjectId('5ad94238b093151c3d578f33')



In [19]:

    
collection.find_one({"prod_name": "Televisor"})









    Out[19]:





{'_id': ObjectId('5ad94238b093151c3d578f33'),
 'codigo': 'ID-2209876',
 'data_cadastro': datetime.datetime(2018, 4, 20, 1, 28, 23, 551000),
 'marcas': ['samsung', 'panasonic', 'lg'],
 'prod_name': 'Televisor'}



In [20]:

    
# A função find() retorna um cursor e podemos então navegar pelos dados
for post in collection.find():
    print(post)









    



{'_id': ObjectId('5ad94235b093151c3d578f32'), 'codigo': 'ID-9987725', 'prod_name': 'Geladeira', 'marcas': ['brastemp', 'consul', 'elecrolux'], 'data_cadastro': datetime.datetime(2018, 4, 20, 1, 28, 19, 198000)}
{'_id': ObjectId('5ad94238b093151c3d578f33'), 'codigo': 'ID-2209876', 'prod_name': 'Televisor', 'marcas': ['samsung', 'panasonic', 'lg'], 'data_cadastro': datetime.datetime(2018, 4, 20, 1, 28, 23, 551000)}



In [21]:

    
# Verificando o nome do banco de dados
db.name









    Out[21]:





'cadastrodb'



In [22]:

    
# Listando as coleções disponíveis
db.collection_names()









    Out[22]:





['posts']

Data Science Academy - Python Fundamentos - Capítulo 6

Download: http://github.com/dsacademybr

Gravando Dados no MongoDB com PyMongo

Fim

Obrigado - Data Science Academy - facebook.com/dsacademybr