Python Data Science Program
📓 Abrir notebook en GitHub

Clase 046 — NoSQL: MongoDB con pymongo

Parte: 0 — Prerrequisitos · Fuente: MongoDB docs · pymongo docs · MongoDB: The Definitive Guide (Bradshaw et al.) cap. 1. ⏱️ Duración estimada: 75 min.

🎯 Objetivo

Que el alumno entienda el modelo NoSQL documento (collections de JSON-like), cuándo conviene sobre SQL, y use pymongo para CRUD básico + queries con operadores típicos. Sin pretender competir con un curso entero de MongoDB.

📚 Resultados de aprendizaje

Al finalizar la clase, el alumno podrá:

  1. Diferenciar modelo relacional (tablas + filas) vs documento (collections + docs JSON).
  2. Reconocer cuándo NoSQL aporta (schema flexible, datos jerárquicos, escala horizontal).
  3. Conectar con pymongo, hacer insert/find/update/delete.
  4. Filtrar con operadores: $gt, $lt, $in, $regex, $and, $or.
  5. Hacer agregaciones con el pipeline ($match, $group, $sort).

🗺️ Temas

# Tema Por qué importa
1 SQL vs NoSQL — cuándo cada uno No "NoSQL es mejor" — distinto.
2 Modelo documento: collections + docs JSON Schema flexible.
3 pymongo: connect, insert_one, find, update_one CRUD básico.
4 Operadores de query: $gt/$lt/$in/$regex Equivalentes a WHERE.
5 Aggregation pipeline $match/$group/$sort — análogo a SQL.
6 Cuándo NO usar Mongo Cuando relacional es claramente mejor.

📖 Definiciones y características

NoSQL documento
Familia de DBs que almacena documentos JSON-like (BSON en Mongo) en lugar de filas en tablas. Schema flexible — cada documento puede tener campos distintos.
Collection
Equivalente a una tabla en SQL, pero sin schema fijo. Contiene documentos del mismo "tipo" lógico (productos, usuarios, eventos).
Documento (dict BSON)
Unidad de almacenamiento. JSON con tipos extra (Date, ObjectId, Decimal128). Puede contener arrays y sub-documentos anidados.
Operador ($gt, $in, $elemMatch)
Prefijo $ en las queries Mongo: {'precio': {'$gt': 100}} ≈ WHERE precio > 100. La query es un dict JSON, no string.
Aggregation pipeline
Equivalente Mongo a CTEs encadenadas: lista de etapas ($match, $group, $sort, $project, $lookup) que procesan documentos secuencialmente.
$elemMatch
Operador para filtrar por condiciones sobre elementos de un array dentro del documento. Útil con arrays de sub-docs (reviews dentro de producto).

📂 Dataset / recursos

MongoDB local (Docker o Atlas free tier) — o usar mongomock para tests. Datos sintéticos: collection de productos.

🧪 Ejercicios

1. CRUD básico. Conecta a Mongo (o mongomock), inserta 5 productos, lee todos, actualiza uno, borra uno.

2. Find con operadores. Productos con precio > 100 y categoría en ['libros', 'musica'].

3. Update con $set y $inc. Incrementa stock de un producto en 10 unidades.

4. Aggregation pipeline. Promedio de precio por categoría con $group.

5. Documento jerárquico. Inserta un producto con array de reviews (sub-documentos). Consulta los que tienen alguna review con rating < 3 usando $elemMatch.

📝 Homework verificable

Notebook con mongomock (no requiere Mongo real): (a) collection productos con 20 docs sintéticos; (b) 5 queries demostrando operadores; (c) aggregation pipeline con $match → $group → $sort; (d) reporte: 3 casos donde Mongo es mejor que SQL y 3 donde no.

Criterio de aceptación: Las queries funcionan; el reporte tiene casos justificados.

⚠️ Errores comunes

Síntoma / mensaje Causa y cómo arreglar
pymongo.errors.ServerSelectionTimeoutError No conecta al servidor. Fix: verifica que Mongo está corriendo (docker ps), URI correcta (mongodb://localhost:27017), firewall.
Update sin $set reemplaza el documento entero update_one(filter, {'precio': 100}) reemplaza TODO el doc. Fix: usa {'$set': {'precio': 100}} para modificar solo ese campo.
Aggregation con $group sin _id falla $group requiere _id (la key de agrupación, puede ser None para agrupar todo). Fix: {'$group': {'_id': '$categoria', 'total': {'$sum': '$monto'}}}.
Query con {} devuelve todo (no None) {} es "sin filtro" en Mongo. Si querías matchear todo, OK; si querías nada, {'_id': {'$exists': False}} o similar.
Cuento con count_documents({}) y va lento Sin filtro, recorre toda la collection. Fix: para counts aproximados rápidos, db.coll.estimated_document_count().

❓ Preguntas frecuentes

❓ ¿SQL o NoSQL?

SQL para datos tabulares con relaciones, integridad referencial, reporting/BI. NoSQL documento para schema variable, datos jerárquicos naturales, escala write masiva. No es "mejor" — distinto.

❓ ¿find_one o find?

find_one devuelve dict (o None). find devuelve cursor iterable. Para 1 doc: find_one. Para muchos: list(coll.find(query)) o iterar el cursor.

❓ ¿pymongo vs Motor (async)?

pymongo síncrono, default. Motor asíncrono (asyncio) — para web apps con muchas concurrent connections.

❓ ¿Cómo tipo los documentos en Python?

Usa pydantic con BaseModel. Convierte dict ↔ tipo validado. Combinado con FastAPI, casi gratis (verás en MLOps).

❓ ¿Mongo para data science?

Como fuente sí (extraes datos con aggregation, los pasas a pandas). Para análisis ya no — pandas/DuckDB son mejores. Mongo brilla en operaciones (logs, eventos).

🔗 Referencias

📥 Material descargable

➡️ Siguiente clase

Clase 047 — APIs REST con requests