db.collection.aggregate(
[
{
"$addFields": {
"indexes": {
"$range": [
0,
{
"$size": "$time_series"
}
]
},
"reversedSeries": {
"$reverseArray": "$time_series"
}
}
},
{
"$project": {
"derivatives": {
"$reverseArray": {
"$slice": [
{
"$map": {
"input": {
"$zip": {
"inputs": [
"$reversedSeries",
"$indexes"
]
}
},
"in": {
"$subtract": [
{
"$arrayElemAt": [
"$$this",
0
]
},
{
"$arrayElemAt": [
"$reversedSeries",
{
"$add": [
{
"$arrayElemAt": [
"$$this",
1
]
},
1
]
}
]
}
]
}
}
},
{
"$subtract": [
{
"$size": "$time_series"
},
1
]
}
]
}
},
"time_series": 1
}
}
]
)
Vi kan använda pipelinen ovan i version 3.4+ för att göra detta. I pipelinen använder vi $addFields
rörledningsstadiet. operatorn för att lägga till arrayen av "time_series":s element index to do-dokument, vände vi också om tidsseriematrisen och lade till den i dokumentet med respektive $range
och $reverseArray
operatörer
Vi vände om arrayen här eftersom elementet vid position p i arrayen är alltid större än elementet vid position p+1 vilket betyder att [p] - [p+1] <0 och vi vill inte använda $multiply
här.(se pipeline för version 3.2)
Därefter $zippade vi tidsseriedata med indexarrayen och tillämpade en subtraktion
uttryck till den resulterande arrayen med $map operatör.
Vi $slice resultatet för att kassera null/None värde från arrayen och reverserade resultatet.
I 3.2 kan vi använda $unwind
operatör för att varva ner vår array och inkludera indexet för varje element i arrayen genom att ange ett dokument som operand istället för den traditionella "sökvägen" med prefixet $ .
Nästa i pipelinen måste vi $group
våra dokument och använd $push
ackumulatoroperatör för att returnera en uppsättning underdokument som ser ut så här:
{
"_id" : ObjectId("57c11ddbe860bd0b5df6bc64"),
"time_series" : [
{ "value" : 10, "index" : NumberLong(0) },
{ "value" : 20, "index" : NumberLong(1) },
{ "value" : 40, "index" : NumberLong(2) },
{ "value" : 70, "index" : NumberLong(3) },
{ "value" : 110, "index" : NumberLong(4) }
]
}
Äntligen kommer $project
skede. I det här skedet måste vi använda $map
operatorn för att tillämpa en serie uttryck på varje element i den nyligen beräknade arrayen i $gruppen skede.
Här är vad som händer i $map (se $map som en for loop) in uttryck:
För varje underdokument tilldelar vi värdet till en variabel med $let
variabel operator. Vi subtraherar sedan dets värde från värdet i fältet "värde" för nästa element i arrayen.
Eftersom nästa element i arrayen är elementet i det aktuella indexet plus ett, behöver vi bara hjälp av $arrayElemAt
operatör och en enkel $add
tion av det aktuella elementets index och 1 .
$subtract
uttryck returnerar ett negativt värde så vi måste multiplicera värdet med -1 med $multiply
operatör.
Vi måste också $filter
den resulterande arrayen eftersom det sista elementet är None eller null . Anledningen är att när det aktuella elementet är det sista elementet, $subtrahera returnera Ingen eftersom indexet för nästa element är lika med storleken på arrayen.
db.collection.aggregate([
{
"$unwind": {
"path": "$time_series",
"includeArrayIndex": "index"
}
},
{
"$group": {
"_id": "$_id",
"time_series": {
"$push": {
"value": "$time_series",
"index": "$index"
}
}
}
},
{
"$project": {
"time_series": {
"$filter": {
"input": {
"$map": {
"input": "$time_series",
"as": "el",
"in": {
"$multiply": [
{
"$subtract": [
"$$el.value",
{
"$let": {
"vars": {
"nextElement": {
"$arrayElemAt": [
"$time_series",
{
"$add": [
"$$el.index",
1
]
}
]
}
},
"in": "$$nextElement.value"
}
}
]
},
-1
]
}
}
},
"as": "item",
"cond": {
"$gte": [
"$$item",
0
]
}
}
}
}
}
])
Ett annat alternativ som jag tycker är mindre effektivt är att utföra en kart-/reduceringsoperation på vår samling med map_reduce
metod.
>>> import pymongo
>>> from bson.code import Code
>>> client = pymongo.MongoClient()
>>> db = client.test
>>> collection = db.collection
>>> mapper = Code("""
... function() {
... var derivatives = [];
... for (var index=1; index<this.time_series.length; index++) {
... derivatives.push(this.time_series[index] - this.time_series[index-1]);
... }
... emit(this._id, derivatives);
... }
... """)
>>> reducer = Code("""
... function(key, value) {}
... """)
>>> for res in collection.map_reduce(mapper, reducer, out={'inline': 1})['results']:
... print(res) # or do something with the document.
...
{'value': [10.0, 20.0, 30.0, 40.0], '_id': ObjectId('57c11ddbe860bd0b5df6bc64')}
Du kan också hämta alla dokument och använda numpy.diff för att returnera derivatan så här:
import numpy as np
for document in collection.find({}, {'time_series': 1}):
result = np.diff(document['time_series'])