MongoDB中“数据透视”本质是用$group+$push/$addToSet+$cond模拟行转列：先按维度（如"$subject"）分组，再用$push收集数组，或用$cond分流条件值（如男女分数），配合$$REMOVE剔除无效项，实现宽表结构输出。
什么是 MongoDB 里的“数据透视”
MongoDB 本身没有 Pivot 关键字，所谓“数据透视”，本质是用 $group + $push / $addToSet + 条件表达式（如 $cond）模拟行转列效果。比如把“每个学生所属科目及分数”变成“每科下所有学生分数列表”，或更进一步：按性别统计各科平均分并横向展开。
用 $group + $push 收集数组字段
这是最基础的透视雏形，适用于“一维分组 + 多值聚合”场景：
-
_id指定分组维度（如"$subject"），不能为null否则全表归一组 -
$push把匹配字段值收进数组，例如{ scores: { $push: "$score" } } - 若需去重，改用
$addToSet；若只要第一个值，用$first - 注意：
$push不会自动排序，后续需$sort阶段或应用层处理
示例：按科目汇总所有学生成绩
db.students.aggregate([
{ $group: { _id: "$subject", scores: { $push: "$score" } } }
])
用 $cond + $push 实现条件列展开
真正接近 SQL PIVOT 的写法，靠 $cond 在 $group 内做字段分流：
- 每个目标列对应一个
$push字段，内部用{ $cond: { if: { $eq: ["$gender", "male"] }, then: "$score", else: "$$REMOVE" } } -
$$REMOVE是关键——它让不满足条件的文档不进入数组，避免填入null - 不能用
null或空字符串代替$$REMOVE，否则数组里会混入无效占位符 - 多个
$cond并列写在同一个$group阶段里，效率优于拆成多个管道
示例：按科目分组，分别收集男生、女生的分数数组
db.students.aggregate([
{
$group: {
_id: "$subject",
male_scores: {
$push: {
$cond: { if: { $eq: ["$gender", "male"] }, then: "$score", else: "$$REMOVE" }
}
},
female_scores: {
$push: {
$cond: { if: { $eq: ["$gender", "female"] }, then: "$score", else: "$$REMOVE" }
}
}
}
}
])
嵌套分组 + $arrayElemAt 提取特定位置值
当需要“每组取最高分/最低分/第 N 名”这类指标时，$push 后接 $sort 再用 $arrayElemAt 更可靠：
- 先
$push全部值，再$sort（必须在$group外，因为$group内不能直接排序数组） -
$arrayElemAt索引从 0 开始，-1表示末尾（即最大值，前提是已升序排好） - 如果原始数据量大，
$sort+$arrayElemAt比多次$max/$min更灵活（比如取 Top 3） - 注意：
$arrayElemAt对空数组返回null，业务逻辑需判空
示例：每科取分数最高的前三名学生姓名
db.students.aggregate([
{ $sort: { subject: 1, score: -1 } },
{
$group: {
_id: "$subject",
top3_names: { $push: "$name" }
}
},
{
$project: {
subject: "$_id",
top3_names: { $slice: ["$top3_names", 3] },
_id: 0
}
}
])
真正难的不是语法拼凑，而是想清楚“你要的透视结果到底是什么结构”——是宽表（固定列）、还是嵌套对象（动态键）、或是扁平化数组。MongoDB 不强制 schema，但聚合输出结构一旦定型，下游解析逻辑就得跟着适配。别为了“像 Excel 一样”硬套 $cond，该用应用层分组时就分组。
