python操作elasticsearch

一、基本查询

from elasticsearch import Elasticsearch

# 建立连接
es = Elasticsearch( 
    hosts={'192.168.0.120', '192.168.0.153'},  # 地址
    timeout=3600  # 超时时间
)


es.search(index='pv23')  # index:选择数据库

此方法是默认查询,由于没有任何筛选条件,会默认显示前10条数据的所有信息

二、filter_path

添加过滤路径。通过指定字段,只显示数据的指定字段信息(默认显示所有字段的信息)。

from elasticsearch import Elasticsearch

# 建立连接
es = Elasticsearch( 
    hosts={'192.168.0.120', '192.168.0.153'},  # 地址
    timeout=3600  # 超时时间
)

# 定义过滤字段,最终只显示此此段信息
filter_path=['hits.hits._source.ziduan1',  # 字段1
             'hits.hits._source.ziduan2']  # 字段2

es.search(index='pv71', filter_path=filter_path)  # 指定字段:filter_path

三、条件查询

 通过制定body,进行条件查询。类似于mysql中的where。

1、切片查询

from elasticsearch import Elasticsearch

# 建立连接
es = Elasticsearch( 
    hosts={'192.168.0.120', '192.168.0.153'},  # 地址
    timeout=3600  # 超时时间
)

# body指定查询条件
body = {
    'from': 0,  # 从0开始
    'size': 20  # 取20个数据。类似mysql中的limit 0, 20。 注:size可以在es.search中指定,也可以在此指定,默认是10
}

# 定义过滤字段,最终只显示此此段信息
filter_path=['hits.hits._source.ziduan1',  # 字段1
             'hits.hits._source.ziduan2']  # 字段2

es.search(index='pv23', filter_path=filter_path, body=body)  # 指定查询条件

2、match,模糊查询

body = {
    'query': {  # 查询命令
        'match': {  # 查询方法:模糊查询(会被分词)。比如此代码,会查到只包含:“我爱你”, “中国”的内容
            'ziduan1': '我爱你中国'
        }
    },
  'size': 20  # 不指定默认是10,最大值不超过10000(可以修改,但是同时会增加数据库压力)
}

# size的另一种指定方法
es.search(index='pv23', filter_path=filter_path, body=body, size=200)  # 指定size,默认是10

3、match_phrase,模糊查询

body = {
    'query': {  # 查询命令
        'match_phrase': {  # 查询方法:模糊查询(不会被分词)。会查到包含:“我爱你中国”的内容
            'ziduan1': '我爱你中国'
        }
    }
}

# 注:内容中的下划线,等标点符号会被忽略,有与没有的效果一样

4、term,精准单值查询

# 注:此方法只能查询一个字段,且只能指定一个值。类似于mysql中的where ziduan='a'
body ={   
    'query':{
        'term':{
            'ziduan1.keyword': '我爱你中国'  # 查询内容等于“我爱你中国的”的数据。查询中文,在字段后面需要加上.keyword
         # 'ziduan2': 'I love China'
        }
    }
}

5、terms,精准多值查询

#此方法只能查询一个字段,但可以同时指定多个值。类似于mysql中的where ziduan in (a, b,c...)
body ={   
    "query":{
        "terms":{
            "ziduan1": ["我爱你中国", "I love China"]  # 查询ziduan1=a或=b...的数据
        }
    }
}

 6、multi_match,多字段查询

# 查询多个字段中都包含指定内容的数据
body = {
    "query":{
        "multi_match":{
            "query":"我爱你中国",  # 指定查询内容,注意:会被分词
            "fields":["ziduan1", "ziduan2"]  # 指定字段
        }
    }
}

7、prefix,前缀查询

body = {
    'query': {
        'prefix': { 
            'ziduan.keyword': '我爱你'  # 查询前缀是指定字符串的数据
        }
    }
}

# 注:英文不需要加keyword

8、wildcard,通配符查询

body = {
    'query': {
        'wildcard': {
            'ziduan1.keyword': '?爱你中*'  # ?代表一个字符,*代表0个或多个字符
        }
    }
}
# 注:此方法只能查询单一格式的(都是英文字符串,或者都是汉语字符串)。两者混合不能查询出来。

9、regexp,正则查询

body = {
    'query': {
        'regexp': {
            'ziduan1': 'W[0-9].+'   # 使用正则表达式查询
        }
    }
}

10、bool,多条件查询

# must:[] 各条件之间是and的关系
body = {
        "query":{
            "bool":{
                'must': [{"term":{'ziduan1.keyword': '我爱你中国'}},
                         {'terms': {'ziduan2': ['I love', 'China']}}]
            }
        }
    }

# should: [] 各条件之间是or的关系
body = {
        "query":{
            "bool":{
                'should': [{"term":{'ziduan1.keyword': '我爱你中国'}},
                         {'terms': {'ziduan2': ['I love', 'China']}}]
            }
        }
    }

# must_not:[]各条件都不满足
body = {
        "query":{
            "bool":{
                'must_not': [{"term":{'ziduan1.keyword': '我爱你中国'}},
                         {'terms': {'ziduan2': ['I love', 'China']}}]
            }
        }
    }



# bool嵌套bool
# ziduan1、ziduan2条件必须满足的前提下,ziduan3、ziduan4满足一个即可
body = {
    "query":{
        "bool":{
            "must":[{"term":{"ziduan1":"China"}},  #  多个条件并列  ,注意:must后面是[{}, {}],[]里面的每个条件外面有个{}
                    {"term":{"ziduan2.keyword": '我爱你中国'}},
                    {'bool': {
                        'should': [
                            {'term': {'ziduan3': 'Love'}},
                            {'term': {'ziduan4': 'Like'}}
                        ]
                    }}
            ]
        }
    }
}

11、exists,存在字段查询

body = {
    'query': {
        'exists': {'field': 'ziduan1'}  # 查询存在ziduan1的数据
    }
}


# exists、bool嵌套查询
# 存在ziduan1的情况下,ziduan2的值必须为指定字段
body = {
    "query":{
        "bool":{
            "must":[{'exists': {'field': 'ziduan1'}},
                    {"term":{"ziduan2.keyword": '我爱你中国'}},
                   ]
        }
    }
}

12、大于小于查询

body = {
        "query": {
            "range": {
                "ziduan1":{
                    "gte": 3,  # 大于
                    "lt": 20  # 小于
                }
            }
        }
    }

 13、nest,json数据查询

body = {
    'query': {
        'nested': {
            'path': 'ziduan1',  # 指定json数据的字段
            'query': {  # 指定查询方式
                'term': {'ziduan1.ziduan2': '我爱你中国'}  # 根据ziduan1里面的ziduan2数据查询
            }
        }
    }
}


# nest、bool嵌套查询
body = {
    'query': {
        'bool': {
            'must': [
                {'term':{"ziduan3" : "I love China"}},
                {'nested': {  # json查询
                    'path': 'ziduan1',
                    'query': {  # 指定查询方式
                        'term': {'ziduan1.ziduan2': '我爱你中国'}  # 根据ziduan1里面的ziduan2数据查询
                    }
                }}
            ]
        }
    }
}

14、排序

body = {
    "query":{  # 指定条件,可以使用以上的任何条件等查询数据。然后再对符合条件的数据进行排序
        "match_all":{}
    },
    "sort":{  # 对满足条件的数据排序
        "age":{                 # 根据age字段排序
            "order":"asc"       # asc升序,desc降序
        }
    }
}

# 多字段排序,注意顺序!写在前面的优先排序
body = {
    "query":{
        "match_all":{}
    },
    "sort":[{
        "age":{
            "order":"asc"      # 先根据age升序
        }},
        {"name":{               # 后根据name字段升序排序
            "order":"asc"      # asc升序,desc降序
        }}],
}

15、scroll,翻页查询(数据量小可以使用此方法,数据量大推荐使用search_after方法--见下一个方法)

body={
    'query':{'match_all': {}},
    'sort': {'zidan6': 'asc'},  # 翻页需要先使用sort排序,与search_after类似
}

# size:设置一页数据量
result = es.search(index='pv91', scroll='1m', size=5, body=body)
# 获取总的数据量,用于得到总的数据页数
total = result['hits']['total']
# 获取初始翻页id
scrid = result['_scroll_id']
# 第一页的数据
result = es.search(index='patent_cn_v71',size=5, body=body, filter_path=['hits.hits._source.ziduan1', 'hits.hits._source.ziduan2.ziduan2_1'])

# 开始翻页
for i in range(5):  #翻5页
    print(result, '\n')
    print('*' * 50, '第{}页'.format(i), '*' * 50)
    result = es.scroll(scroll_id=scrid, scroll='1m', filter_path=['hits.hits._source.ziduan1', 'hits.hits._source.ziduan2.ziduan2_1'])

16、search_after,翻页查找(推荐此方法)

content_size = 3000  # 设置一页的数据量
size_cont = content_size
next_id = 0  # 初始化next_id,每次循环是从  此数据 之后的第1个数据开始
while size_cont == content_size:
    body = {
        "query": {
            "range": {
                "update_time":{
                    "gte": "2019-10-14"
                }
            }
        },
        'sort': {'ziduan2': 'asc'},  # 以ziduan2为next_id,需要先对其进行排序
        'search_after': [next_id],  # 从此数据之后的第1个数据开始,但不包含此数据
        'size': content_size  # 指定当前页数据量
    }
    filter_path = [
        'hits.hits._source.ziduan1',
        'hits.hits._source.ziduan2'
    ]
    rt = es.search(index='pv1', body=body, filter_path=filter_path)['hits']['hits']
    size_cont = len(rt)  # 更新循环条件:若数据量不等于指定的数据量,说明遍历到最后的一页数据了
    for result in rt:
        try:
            app_date = result['_source']['ziduan1']
        except:
            continue
        try:
            ziduan2 = result['_source']['ziduan2']
            next_id = ziduan2  # 更新next_id
        except:
            app_text = ''
    

 17、聚合查询

# 统计符合条件的指定字段的数据中,各数据的个数

body = {
#     'query': {
#         'match_all': {}
#     },
    'size': 0,  # 设置0为条件查询后的数据显示条数,默认显示10条
    'aggs':{
        'num_ipcr': {  # 自定义buckets
            'terms': {
                'field': 'ziduan1',  # 需要查找的字段
                'size': 10,  # 设置聚合数据显示条数
            }
        }
    },
}

# 嵌套聚合:根据聚合后的数据大小再进行聚合
body = {
    'size': 0,  # 设置0为条件查询后的数据显示条数,默认显示10条
    "aggs": {
        "agroup": {
            "nested": {"path": "ziduan1"},  # 选择ziduan1里面的数据量再进行聚合
            "aggs": {
                "de_inventor": {
                    "terms": {"field": "ziduan1.ziduan1_1.keyword", "size": 200000}
                }
            },
        },
    },
}


# 去重统计
body = {
    'size': 0, 
    'aggs': {
        'discount_ipcr': {
            'cardinality':{  # 去重统计
                'field': 'ziduan1',
                'precision_threshold': 100 # 保证100个以内准确率接近100%,每个类别会占用100字节的内存
            },
        },
    }
}
# 结果返回值说明
"""
doc_count_error_upper_bound: 表示没有在这次聚合中返回、但是可能存在的潜在聚合结果
sum_other_doc_count:表示这次聚合中没有统计到的文档数
buckets:聚合结果,默认由高到低排列。key表示聚合元素的值,doc_count表示元素出现的次数。注意,这里的doc_count也是不准确的
"""

 

四、建立es数据

es.indices.create(index='my-index', ignore=400)  # 建立索引(理解为数据库,就是es.search(index='')查找时候用到的index)
es.index(index="my-index", id=0, body={'name': 'jaychou', "age": 30, "sex": 'male'})  # 插入数据:id是唯一标识,body里面是字段以及对应的数据

 

上一篇:[生信资源与实践】第一次上机-Linux基础命令&RNA_seq


下一篇:< 链接分析算法 - HITS算法 >