Système pour la Data Science

Master AMSD/MLSD

Introduction à MongoDB

Demande à réaliser

Installation de Mongo DB

Attention : un peu complexe

Nous nous basons sur le tutoriel officielle disponible sur cette page, avec quelques modifications pour que cela fonctionne sur la VM. N’hésitez pas à tester d’autres choses si cela ne fonctionne pas chez vous.

Importer la clé publique

$ curl https://www.mongodb.org/static/pgp/server-6.0.asc | sudo apt-key add -

Créer un fichier spécifique pour MongoDB

$ echo "deb [ arch=amd64,arm64 ] https://repo.mongodb.org/apt/ubuntu focal/mongodb-org/6.0 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-6.0.list

Mettre à jour la VM
```
$ sudo apt update
```

Installer de libssl 1.1 (je n’ai pas pu faire sans cette étape)

$ curl http://archive.ubuntu.com/ubuntu/pool/main/o/openssl/libssl1.1_1.1.1f-1ubuntu2_amd64.deb --output libssl.deb
$ sudo dpkg -i libssl.deb

Installer mongo
```
$ sudo apt-get install -y mongodb-org
```
Redémarrer la machine
Pour lancer Mongo, vous devrez (à chaque lancement de machine a priori) faire
```
$ sudo systemctl start mongod
```
Pour vérifier si le serveur Mongo fonctionne, vous pouvez faire
```
$ sudo systemctl status mongod
```
Pour lancer le shell mongo, vous devez faire
```
$ mongosh
```

Importation des données des restaurants new-yorkais

Télécharger le fichier restaurants.json

$ curl https://fxjollois.github.io/donnees/restaurants.json --output restaurants.json

Importer les données dans Mongo (base test et collection restaurants)

$ mongoimport --db test --collection restaurants restaurants.json

Vérifier que tout est OK :
- Lancer le shle mongo
```
$ mongosh
```
- Aller dans la base test (celle apr défaut) pour voir si la collection est bien présente
```
> show dbs
> use test
> show collections
> db.restaurants.findOne()
```

Noter la structure du document

Quelques champs simples : _id (clé primaire interne toujours présente), borough, cuisine, name et restaurant_id
Un champs de type littéral (address), contenant des champs simples (building, street et zipcode) et un tableau à 2 valeurs coord)
Un tableau grades (de 5 éléments ici - la taille n’est pas la même pour chaque restaurant)
- chaque élément du tableau comprenant 3 champs simples (date, grade et score)
- un élément du tableau = un contrôle sanitaire
  - score : nombre d’infractions sanitaires
  - grade : sorte de note du restaurant en fonction du score (A si peu, B si plus, C si encore plus)

Utilisation dans R

Potentiellement, vous devrez installer les packages libssl-dev et libsasl2-dev sur le serveur (je n’ai pas pu faire sans encore une fois)
```
$ sudo apt install libssl-dev libsasl2-dev
```
Installer mongolite
```
> install.packages("mongolite")
```
Suivre le tutoriel R et Mongo

Utilisation dans Python

Installer pymongo (dans le shell de la VM)
```
$ pip3 install pymongo
```
Suivre le tutoriel Python et Mongo

–

Questions sur les restaurants new-yorkais

A faire dans R et dans Python

Lister les informations du restaurant “Cafe Henri”
Lister tous les restaurants de la chaîne “Bareburger” (rue, quartier)
Lister les restaurants n’ayant pas de quartier connu (“Missing”)
Lister les restaurants ayant eu un score de 0
Lister les restaurants ayant eu un score entre 0 et 10 (inclus)
Lister les restaurants qui ont le terme “Cafe” dans leur nom
Lister les restaurants faisant de la cuisine de type “Pizza” dans “Brooklyn”
Quelles sont les 10 plus grandes chaines de restaurants (nom identique) ?
Lister par quartier le nombre de restaurants et le score moyen
Donner le Top 5 et le Flop 5 des types de cuisine, en terme de nombre de restaurants
Donner les dates de début et de fin des évaluations
Quels sont les 10 restaurants (nom, quartier, addresse et score) avec le plus petit score moyen ?
Quels sont les restaurants (nom, quartier et addresse) avec uniquement des grades “A” ?
Compter le nombre d’évaluation par jour de la semaine