跳至主要内容

MongoDB



1. 데이터를 저장할 폴더 생성
    C:\data\db 폴더 생성(default경로) or 원하는 위치에 생성
   ※ 기본 directory는 C:\data\db이다.

2. server 실행
  •     MongoDB가 설치된 폴더를 환경설정변수에 추가
  •     cmd창에서 아래와 같은 명령어로 MongoDB 실행
    • mongod (기본 디비 폴더 사용 시)
    • mongod --dbpath 'DB path' (DB directory를 변경하고 싶을 때 사용)

3. client 접속
    새로운 명령창을 켜고 mongo명령어로 서버에 접속








4. 기본 명령어
- 데이터베이스 조회
show dbs

- 데이터베이스로 이동
use db명

- 현재 collection 조회
show collection

- 현재 db조회
삭제할 디비로 이동(use db
db.dropDatabase()


5. Collection 생성
db.createCollection('collection명', [opotion]) - capped: boolean 이 값을 true로 설정하면 capped collection을 활성화 시킨다. capped collection이란 고정된 크기를 가진 collection으로 지정한 size초과시 가장 오래된 데이터를 덮어씀 해당 옵션 지정시 size option도 핋수로 지저해야 함 - size: number capped collection을 위해 해당 collection의 최대 크기를 byte로 지정 - autoIndex: boolean 기본값은 false, true로 지정시 _ID필드의 index를 자동으로 생성 - max: number 해당 collection에 추가될 수 있는 치대 갯수를 설정


6. CRUD예제

    - collection 생성
     db.createCollection('articles')

    - document 삽입
db.articles.insert([

{

"title" : "article01",

"content" : "content01",

"writer" : "Velopert",

"likes" : 0,

"comments" : [ ]

},

{

"title" : "article02",

"content" : "content02",

"writer" : "Alpha",

"likes" : 23,

"comments" : [

{

"name" : "Bravo",

"message" : "Hey Man!"

}

]

},

{

"title" : "article03",

"content" : "content03",

"writer" : "Bravo",

"likes" : 40,

"comments" : [

{

"name" : "Charlie",

"message" : "Hey Man!"

},

{

"name" : "Delta",

"message" : "Hey Man!"

}

]


])

评论

此博客中的热门博文

TensorFlow

Anaconda를 이용하여 Tensorflow 설치 Conda환경을 생성 #conda create -n 가상환경 이름 conda create -n tf python=3.6 anaconda 설치된 가상환경 실행 activate tf tf 가상환경에서 tensorflow 설치 pip install tensorflow      TensorFlow 개요 TensorFlow는 dataflow graph로 수학 계산과 데이터의 흐름을 나타낸다. TensorFlow는 dataflow graph를 구성 한 후 session을 생성하여 graph의 일부를 실행한다 Computation Graph TensorFlow 프로그램은 구성 단계 와 실행 단계 로 구성 구성(construction) 단계: 그래프를 조립 실행(execution) 단계: Session을 통해 그래프 연산을 실행 TensorFlow 기본적인 사용법 Argmax 설정한 axis에 따른 가장 큰 값을 가지는 요소의 index를 반환 axis = 0일때 x[0]와 x[1]의 각 요소들을 비교하여 큰 수의 index를 반환하고, axis = 1일때 x[0][]의 요소들 내 큰 수의 index와 x[1][]의 요소들 내 가장 큰 수의 index를 반환 Reshape tf.reshape(tensor, shape, name = None) tensor의 구조를 원하는 shape으로 변환 shape의 한 원소가 -1이라면, 전체 크기가 일정하게 유지되도록 해당 차원의 길이가 자동으로 계산된다. squeeze 차원 중 크기가 1인 차원을 스칼라값으로 바꿔 해당 차원을 제거한다. TensorBoard TensorBard는 TensorFlow에 기록된 로그를 그래프로 시각화시켜 보여주는 도구이다. TensorBoard 실행 tf.summary.FileWriter('log_dir', graph ...

R 데이터 타입

R에서의 데이터 타입 기본형은 Vector 이다. 자료형은 다음과 같다. Vector List Matrix Array DataFrame Vector 정의 다른 언어의 배열과 비슷하고, 한 가지의 스칼라 데이터타입의 데이터들을 저장할 수 있다.       (ex, 숫자만 저장하는 배열/문자열만 저장하는 배열/ a <- 1/ a <- "hello") 슬라이스(Slice)를 제공한다.        Slice란? 배열의 일부를 잘라내고 이를 다시 배열로 다루는 개념 생성 c()함수 안에 원하는 인자들을 나열 > x <- c(1, 2, 3) > x [1] 1 2 3  다음과  x <- c(1, 2, 3)부분에 괄호로 코드를 묶으면 실행된 결과값이 출력된다.        ※ 괄호로 코드를 묶으면 괄호안의 문장을 수행하고 그 결과 값을 화면에 출력 > ( x <- c(1, 2, 3) ) [1] 1 2 3 데이터 접근 인덱스로 데이터에 접근할 수 있고 인덱스는 0이 아닌 1부터 시작한다. 접근 문법 x[n]: vector x의 n번째 요소 x[-n]: vector x에서 n번째 요소를 제외한 나머지를 반환 > x <- c("a", "b", "c") > x[-1] [1] "b" "c" x[idx_vector]: idx_vector에 지정된 요소를 얻어옴. idx_vector는 색인을 표현하는 숫자 vector이다. > x <- c("a", "b", "c") > x[c(1, 2)] [1] "a" "b" x[start:end]: start부터 end까지의 값을 반환, 반환 값은 start위치의 값과...

Pandas Plot

pandas.DataFrame.plot.bar import matplotlib.pyplot as plt import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(5, 4).round(1),                   index=['snail', 'pig', 'elephant','rabbit', 'giraffe'],                   columns=pd.Index(['speed', 'lifespan', 'active', 'cuite'],                   name='Genus')) ax = df.plot(kind='bar',figsize=(10,4), rot = 0) plt.show() ==> output in Pycharm