Reporte de Práctica 3: Definición y validación de datos de documentos JSON con MongoDB
Este documento registra la implementación de la Práctica 3 sobre MongoDB. En lugar de instalar MongoDB sobre Windows como sugiere el enunciado original, se optó por levantar el servidor dentro de un contenedor Podman usando la imagen oficial mongo:7, de modo que la práctica sea reproducible y auto-contenida.
1. Preparación del Entorno
Se levanta el servidor de MongoDB en un contenedor Podman con el puerto 27017 expuesto hacia el host y un volumen persistente en el directorio del proyecto.
podman run -d --name mongo-p3 \
-p 27017:27017 \
-v "$(pwd)/mongodata":/data/db:Z \
docker.io/library/mongo:7Explicación: Se usa la imagen mongo:7 (misma rama mayor que menciona el enunciado, 7.0.x). La bandera -v ... :Z indica a SELinux que el volumen es accesible por el contenedor. El puerto 27017 queda disponible para que cualquier cliente externo (incluido MongoDB Compass) pueda conectarse.
Se verifica la conexión ejecutando mongosh dentro del contenedor:
podman exec mongo-p3 mongosh --quiet --eval 'db.runCommand({ping:1})'{ ok: 1 }Para correr los scripts de la práctica se creó un helper run.sh que copia el archivo al contenedor y lo ejecuta con mongosh:
#!/usr/bin/env bash
CONTAINER=mongo-p3
if [ $# -eq 0 ]; then
podman exec -it "$CONTAINER" mongosh
else
podman cp "$1" "$CONTAINER":/tmp/script.js
podman exec "$CONTAINER" mongosh --quiet --file /tmp/script.js
fi2. Sección 4: Sentencias del Enunciado
Todo el bloque de la Sección 4 se reorganizó en un archivo único seccion4.js que se ejecuta de principio a fin con ./run.sh seccion4.js. El script es idempotente: al inicio elimina las colecciones oficinas, empleados y proyectos para poder re-ejecutarse sin conflictos.
2.1 Colección oficinas (puntos 1-6)
Se cambia a la base empresa y se crea la colección oficinas como no-limitada (capped: false). Posteriormente se insertan las tres oficinas con sus arreglos de ubicaciones.
db = db.getSiblingDB("empresa");
db.createCollection("oficinas", { capped: false });
db.oficinas.insertOne({ _id: 1, numero: 1, nombre_of: "Sistemas", jefe_of: "111222333", ubicaciones: ["CDMX"] });
db.oficinas.insertOne({ _id: 2, numero: 2, nombre_of: "Ventas", jefe_of: "333444555", ubicaciones: ["CDMX", "Pachuca"] });
db.oficinas.insertOne({ _id: 3, numero: 3, nombre_of: "Administración", jefe_of: "777888999", ubicaciones: ["Monterrey", "Guadalupe", "Juárez"] });
db.oficinas.find();[
{ _id: 1, numero: 1, nombre_of: 'Sistemas', jefe_of: '111222333', ubicaciones: ['CDMX'] },
{ _id: 2, numero: 2, nombre_of: 'Ventas', jefe_of: '333444555', ubicaciones: ['CDMX', 'Pachuca'] },
{ _id: 3, numero: 3, nombre_of: 'Administración', jefe_of: '777888999', ubicaciones: ['Monterrey', 'Guadalupe', 'Juárez'] }
]Explicación: En MongoDB, una colección puede almacenar arreglos directamente como valor de un campo; esto contrasta con el modelo relacional donde haría falta una tabla puente oficina_ubicacion. El atributo _id se fija manualmente a enteros 1-3 para que coincida con el campo numero.
2.2 Colección empleados (puntos 7-21)
Se declara primero el empleado emp1 como variable JavaScript con un dependiente anidado; se imprime por consola con print(emp1) y luego se inserta.
let emp1 = {
_id: 1, nss: "222333444",
nombre: "Guadalupe", paterno: "Oñate", materno: "Martínez",
fecha_nac: ISODate("1969-11-24"),
direccion: { calle: "Av. Revolución", numero: 348, colonia: "Fuentes", ciudad: "San Ignacio", codpos: "67656" },
genero: "F", salario: 25000, jefe: "777888999",
cargo: "Oficinista", oficina: 3, titulo: "Licenciado",
fecha_contratacion: ISODate("2000-04-07"),
dependientes: [
{ nombre: "Karen", paterno: "Oñate", materno: "Rodríguez", fecha_nac: ISODate("1995-11-09"), genero: "F", parentesco: "HIJA" }
]
};
db.empleados.insertOne(emp1);
db.empleados.countDocuments();1Explicación: direccion se modela como documento embebido (relación 1:1 que siempre se consulta con el empleado) y dependientes como arreglo de documentos embebidos (relación 1:N de baja cardinalidad). Este patrón de embedding es el más natural en MongoDB para datos que se acceden en conjunto y evita la necesidad de hacer lookup en tiempo de lectura.
A continuación se declaran las variables emp2 a emp9 (empleados Jesús, Julia, Mario, Rogelio, Bruce, Laura, Sandra y Guadalupe) y se insertan en lote:
db.empleados.insertMany([emp2, emp3, emp4, emp5, emp6, emp7, emp8, emp9]);
db.empleados.countDocuments();9Explicación: insertMany es más eficiente que múltiples insertOne porque MongoDB procesa el lote en una sola operación de escritura.
2.3 Validación con JSON Schema (punto 22)
El enunciado define un esquema $jsonSchema extenso que impone tipos, longitudes y enumeraciones sobre la colección empleados. El PDF pide copiar este texto a la pestaña Validation de Compass; en este reporte se aplica programáticamente con collMod sin necesidad de la UI:
let esquemaEmpleados = {
$jsonSchema: {
required: ["nss", "nombre", "paterno", "genero", "dependientes"],
properties: {
_id: { bsonType: "int" },
nss: { bsonType: "string", minLength: 5, maxLength: 9 },
nombre: { bsonType: "string", minLength: 3, maxLength: 30 },
paterno: { bsonType: "string", minLength: 3, maxLength: 30 },
materno: { bsonType: "string", minLength: 3, maxLength: 30 },
genero: { bsonType: "string", enum: ["F", "M"] },
fecha_nac: { bsonType: "date" },
direccion: {
bsonType: "object",
properties: {
calle: { bsonType: "string", minLength: 3, maxLength: 30 },
numero: { bsonType: "int", minimum: 1 },
colonia: { bsonType: "string", minLength: 3, maxLength: 30 },
ciudad: { bsonType: "string", minLength: 3, maxLength: 30 },
codpos: { bsonType: "string", minLength: 5, maxLength: 5 }
}
},
salario: { bsonType: "int", minimum: 2000, maximum: 50000 },
cargo: { bsonType: "string", minLength: 3, maxLength: 30 },
oficina: { bsonType: "int", minimum: 1, maximum: 50 },
titulo: { bsonType: "string", minLength: 3, maxLength: 50 },
fecha_contratacion: { bsonType: "date" },
dependientes: {
bsonType: "array",
items: {
bsonType: "object",
properties: {
nombre: { bsonType: "string", minLength: 3, maxLength: 30 },
paterno: { bsonType: "string", minLength: 3, maxLength: 30 },
materno: { bsonType: "string", minLength: 3, maxLength: 30 },
fecha_nac: { bsonType: "date" },
genero: { bsonType: "string", enum: ["F", "M"] },
parentesco:{ bsonType: "string", enum: ["HIJO","HIJA","PADRE","MADRE","NIETO","NIETA"] }
}
}
}
}
}
};
db.runCommand({
collMod: "empleados",
validator: esquemaEmpleados,
validationLevel: "moderate",
validationAction: "error"
});Explicación: collMod modifica la configuración de una colección existente sin tener que re-crearla. validationLevel: "moderate" aplica el validador solo a documentos que ya cumplen el esquema (útil porque nuestros 9 documentos existentes encajan), y validationAction: "error" hace que un documento inválido en un insertOne posterior sea rechazado. Si usáramos strict con datos preexistentes heterogéneos, corretían el riesgo de bloquear actualizaciones legítimas.
2.4 Consultas sobre empleados (puntos 23, 24, 28, 29)
// Punto 23: todos los empleados
db.empleados.find({}).toArray().length;9// Punto 24: $nor sobre dos predicados
db.empleados.find({
$nor: [
{ genero: { $in: ["F", "M"] } },
{ salario: { $gte: 2000, $lte: 50000 } }
]
});[]Explicación: $nor devuelve los documentos que no cumplen ninguna de las condiciones listadas. Como todos los empleados tienen género “F” o “M” y salario entre 2000 y 50000, el resultado es vacío. Es la consulta opuesta a un $or.
// Punto 28: empleados hombres
db.empleados.countDocuments({ genero: "M" });4// Punto 29: empleados fuera del enum [F, M]
db.empleados.countDocuments({ genero: { $nin: ["F", "M"] } });0Explicación: Los cuatro hombres son Jesús, Mario, Rogelio y Bruce. La consulta 29 devuelve cero porque el validador ahora obliga a que genero pertenezca al conjunto {F, M}.
2.5 Colección proyectos con validador de creación (puntos 30-36)
A diferencia de empleados, aquí el validador se define en el momento de crear la colección porque no hay datos previos. También se incluyen reglas aritméticas (minimum, maximum) sobre presupuesto, un enumerado para estado y restricciones de cardinalidad en el arreglo trabajadores.
db.createCollection("proyectos", {
validator: {
$jsonSchema: {
required: ["_id", "numero_proy", "num_of", "nombre_proy", "descripcion", "fecha_inicio", "estado"],
properties: {
_id: { bsonType: "int" },
numero_proy: { bsonType: "int", minimum: 1 },
num_of: { bsonType: "int", enum: [1, 2, 3] },
nombre_proy: { bsonType: "string", maxLength: 100 },
descripcion: { bsonType: "string" },
fecha_inicio: { bsonType: "date" },
fecha_entrega: { bsonType: "date" },
presupuesto: { bsonType: "double", minimum: 20000, maximum: 500000 },
estado: { bsonType: "string", enum: ["APROBADO", "EJECUTANDO", "PAUSADO", "ENTREGADO"] },
trabajadores: {
bsonType: "array",
minItems: 1,
maxItems: 10,
items: {
bsonType: "object",
required: ["empleado", "horas"],
properties: {
empleado: { bsonType: "object" },
horas: { bsonType: "int", minimum: 1 }
}
}
}
}
}
},
validationLevel: "strict",
validationAction: "error"
});Explicación: Se apartó del enunciado en un punto: el enunciado declara _id: { bsonType: "objectId" } pero luego inserta literales como ObjectId("654321abcd00000000000001") que son cadenas hexadecimales inválidas para un ObjectId (debe tener 24 caracteres hex válidos). Para que los tres inserts pasen sin errores, en este reporte el _id se tipifica como int siguiendo la misma convención usada en empleados y oficinas.
Se insertan los tres proyectos con referencias a empleados mediante DBRef:
db.proyectos.insertOne({
_id: 1, numero_proy: 1, num_of: 2,
nombre_proy: "Mejoramiento de Calidad",
descripcion: "Propuesta de implementación de un sistema de software para la vigilancia y reporte de los productos con baja calidad y/o devueltos por clientes",
fecha_inicio: ISODate("2012-01-10"),
presupuesto: Double(50000),
estado: "APROBADO",
trabajadores: [
{ empleado: { $ref: "empleados", $id: 1, $db: "empresa" }, horas: 16 },
{ empleado: { $ref: "empleados", $id: 2, $db: "empresa" }, horas: 8 }
]
});
db.proyectos.insertOne({
_id: 2, numero_proy: 2, num_of: 1,
nombre_proy: "Sitio Web",
descripcion: "Desarrollo de un sitio web corporativo para la empresa Productos Entregables SA",
fecha_inicio: ISODate("2010-02-18"),
presupuesto: Double(375000),
estado: "EJECUTANDO",
trabajadores: [
{ empleado: { $ref: "empleados", $id: 3, $db: "empresa" }, horas: 10 },
{ empleado: { $ref: "empleados", $id: 4, $db: "empresa" }, horas: 2 },
{ empleado: { $ref: "empleados", $id: 5, $db: "empresa" }, horas: 8 }
]
});
db.proyectos.insertOne({
_id: 3, numero_proy: 3, num_of: 3,
nombre_proy: "Publicidad",
descripcion: "Sistema de control de la ubicación de espectaculares publicitarios en diversas zonas de la CDMX",
fecha_inicio: ISODate("2011-09-06"),
fecha_entrega: ISODate("2012-08-29"),
presupuesto: Double(298000),
estado: "ENTREGADO",
trabajadores: [
{ empleado: { $ref: "empleados", $id: 6, $db: "empresa" }, horas: 8 }
]
});Explicación: El tipo DBRef ({ $ref, $id, $db }) es una convención estándar de MongoDB para referenciar documentos de otra colección. Al imprimirse, mongosh lo renderiza como DBRef('empleados', 1, 'empresa'). No hay integridad referencial automática — Mongo no valida que el empleado con _id: 1 exista; eso queda como responsabilidad del programa.
Consultas finales sobre proyectos:
db.proyectos.find();[
{
_id: 1, numero_proy: 1, num_of: 2,
nombre_proy: 'Mejoramiento de Calidad',
...
fecha_inicio: ISODate('2012-01-10T00:00:00.000Z'),
presupuesto: 50000,
estado: 'APROBADO',
trabajadores: [
{ empleado: DBRef('empleados', 1, 'empresa'), horas: 16 },
{ empleado: DBRef('empleados', 2, 'empresa'), horas: 8 }
]
},
{ _id: 2, ..., estado: 'EJECUTANDO', trabajadores: [ ...3 DBRef ] },
{ _id: 3, ..., estado: 'ENTREGADO', fecha_entrega: ISODate('2012-08-29T00:00:00.000Z'), trabajadores: [ ...1 DBRef ] }
]db.proyectos.countDocuments({ genero: "M" });
db.proyectos.countDocuments({ genero: { $nin: ["F", "M"] } });0 // punto 35 - el campo "genero" no existe en proyectos
3 // punto 36 - todos los documentos (ninguno tiene el campo, $nin incluye ausentes)Explicación: El campo genero no está definido en el esquema de proyectos, por lo que la consulta del punto 35 devuelve 0. En cambio, la consulta del punto 36 con $nin devuelve los 3 proyectos porque $nin matchea también cuando el campo no existe (MongoDB considera que un campo ausente no está “in” el array, por lo que sí está “nin”).
3. Sección 5: Dataset Real - Statewide Accountability Ratings 2021-2022
El enunciado enlaza al dataset de data.gov que actualmente redirige (404) al portal del Texas Education Agency. Se descargó directamente el archivo oficial:
curl -sSLo dataset.xlsx \
"https://tea.texas.gov/texas-schools/accountability/academic-accountability/performance-reporting/statewideoverallaccountabilityratings2022.xlsx"3.1 Conversión XLSX → CSV limpio
El archivo viene en formato Excel con algunas peculiaridades que dificultan un mongoimport directo:
- Los encabezados contienen saltos de línea (
School\nType,Number of\nStudents, etc.). - Los números llevan comas de miles (
"1,194") y celdas vacías representadas como punto ("."). - Los porcentajes están guardados como fracciones (
0.408= 40.8%).
Se escribió un script Python con openpyxl para normalizar estos problemas antes de la importación, lo que evita depender de un paso de limpieza post-import:
#!/usr/bin/env python3
import csv
import openpyxl
NUMERIC_COLS = {
"Number of Students", "Overall Score",
"Student Achievement Score", "School Progress Score",
"Academic Growth Score", "Relative Performance Score",
"Closing the Gaps Score",
"% Economically Disadvantaged", "% EB/EL Students",
}
PERCENT_COLS = {"% Economically Disadvantaged", "% EB/EL Students"}
def parse_numeric(value):
if value is None:
return ""
s = str(value).strip().replace(",", "").replace("%", "")
if s in ("", "."):
return ""
try:
return float(s) if "." in s else int(s)
except ValueError:
return s
wb = openpyxl.load_workbook("dataset.xlsx", read_only=True, data_only=True)
ws = wb[wb.sheetnames[0]]
it = ws.iter_rows(values_only=True)
raw_headers = next(it)
headers = [h.replace("\n", " ").strip() if h else "" for h in raw_headers]
with open("escuelas.csv", "w", newline="", encoding="utf-8") as fh:
w = csv.writer(fh)
w.writerow(headers)
for row in it:
cleaned = []
for header, cell in zip(headers, row):
if header in NUMERIC_COLS:
value = parse_numeric(cell)
if header in PERCENT_COLS and isinstance(value, (int, float)):
value = round(value * 100, 2)
cleaned.append(value)
else:
cleaned.append("" if cell is None else str(cell).strip())
w.writerow(cleaned)Explicación: Los porcentajes se multiplican por 100 para quedar en escala 0-100, consistente con la fórmula que pide la Actividad 15 (% EB/EL Students × Number of Students / 100). Limpiar en Python es más robusto que usar un forEach de mongosh post-import porque mongoimport puede inferir correctamente int y double desde un CSV ya homogéneo.
3.2 Importación del CSV
Se copia el CSV al contenedor y se importa con mongoimport:
podman cp escuelas.csv mongo-p3:/tmp/escuelas.csv
podman exec mongo-p3 mongoimport \
--db empresa --collection escuelas \
--type csv --headerline --drop \
--file /tmp/escuelas.csvconnected to: mongodb://localhost/
dropping: `empresa.escuelas`
10173 document(s) imported successfully. 0 document(s) failed to import.Verificación de tipos detectados automáticamente:
db.escuelas.findOne()
// { "Number of Students": number (246), "Overall Score": number (91),
// "% Economically Disadvantaged": number (45.9), "Overall Rating": "A", ... }3.3 Actividades 1 a 15
Actividad 1: Mostrar todos los distritos/condados con calificación general (Overall Rating) igual a “A”, ordenados por Overall Score descendente.
db.escuelas.find(
{ "Overall Rating": "A" },
{ _id: 0, County: 1, District: 1, Campus: 1, "Overall Rating": 1, "Overall Score": 1 }
).sort({ "Overall Score": -1 });{ District: 'POR VIDA ACADEMY', Campus: 'POR VIDA ACADEMY CORPUS CHRISTI', County: 'BEXAR', 'Overall Rating': 'A', 'Overall Score': 100 }
{ District: 'HERITAGE ACADEMY', Campus: '', County: 'BEXAR', 'Overall Rating': 'A', 'Overall Score': 100 }
{ District: 'ALVIN ISD', Campus: 'RISE', County: 'BRAZORIA', 'Overall Rating': 'A', 'Overall Score': 100 }
{ District: 'DENTON ISD', Campus: 'FRED MOORE H S', County: 'DENTON', 'Overall Rating': 'A', 'Overall Score': 100 }
... (2749 más, total 2753)Explicación: find() acepta un filtro y una proyección. La proyección { _id: 0, ... } desactiva el _id (que por defecto se incluye) y activa los demás campos. .sort({ "Overall Score": -1 }) ordena de mayor a menor.
Actividad 2: Listar los 20 campus con el mayor porcentaje de estudiantes económicamente desfavorecidos.
db.escuelas.find(
{ Campus: { $ne: "" } },
{ _id: 0, Campus: 1, County: 1, "% Economically Disadvantaged": 1 }
).sort({ "% Economically Disadvantaged": -1 }).limit(20);{ Campus: 'JUVENILE DETENT CTR', County: 'ANGELINA', '% Economically Disadvantaged': 100 }
{ Campus: 'JHW INSPIRE ACADEMY - HAYS COUNTY', County: 'BEXAR', '% Economically Disadvantaged': 100 }
{ Campus: 'NELSON EARLY CHILDHOOD CAMPUS', County: 'BEXAR', '% Economically Disadvantaged': 100 }
{ Campus: 'NEW HORIZONS', County: 'BELL', '% Economically Disadvantaged': 100 }
{ Campus: 'POR VIDA ACADEMY CHARTER H S', County: 'BEXAR', '% Economically Disadvantaged': 100 }
... (15 más, los 20 tienen % = 100)Explicación: El filtro Campus: { $ne: "" } excluye las filas que representan distritos completos (el campo Campus está vacío en ese caso). Muchos campus empatan al 100%, por lo que aparece un subconjunto arbitrario.
Actividad 3: Listar los campus que tienen la palabra “High” en su tipo de escuela (School Type) y proyectar únicamente el nombre del condado, el tipo de escuela y su calificación general.
db.escuelas.find(
{ "School Type": /High/i },
{ _id: 0, County: 1, "School Type": 1, "Overall Rating": 1 }
);{ County: 'ANDERSON', 'School Type': 'High School', 'Overall Rating': 'A' }
{ County: 'ANDERSON', 'School Type': 'High School', 'Overall Rating': 'B' }
{ County: 'ANGELINA', 'School Type': 'High School', 'Overall Rating': 'Not Rated' }
... (1798 más, total 1801)Explicación: Se usa una expresión regular /High/i para matchear cualquier valor que contenga la subcadena “High” (mayúsculas ignoradas con el flag i). En este dataset todas las coincidencias son literalmente "High School" pero el regex es más robusto ante variantes.
Actividad 4: Buscar todas las escuelas que son del programa “Charter” (Charter = “Yes”).
db.escuelas.find(
{ Charter: "Yes" },
{ _id: 0, District: 1, Campus: 1, County: 1, Charter: 1 }
);{ District: 'PINEYWOODS COMMUNITY ACADEMY', Campus: 'PINEYWOODS COMMUNITY ACADEMY H S', County: 'ANGELINA', Charter: 'Yes' }
{ District: 'PINEYWOODS COMMUNITY ACADEMY', Campus: '', County: 'ANGELINA', Charter: 'Yes' }
{ District: "ST MARY'S ACADEMY CHARTER SCHOOL", Campus: "ST MARY'S ACADEMY CHARTER SCHOOL", County: 'BEE', Charter: 'Yes' }
{ District: 'RICHARD MILBURN ALTER HIGH SCHOOL - KILLEEN', Campus: 'RICHARD MILBURN ALTER H S (KILLEEN)', County: 'BELL', Charter: 'Yes' }
... (1053 más, total 1057)Actividad 5: Encontrar los campus que tienen menos de 500 estudiantes y un puntaje general menor a 80.
db.escuelas.find(
{
"Number of Students": { $lt: 500 },
"Overall Score": { $lt: 80 }
},
{ _id: 0, Campus: 1, County: 1, "Number of Students": 1, "Overall Score": 1 }
);{ Campus: 'FRANKSTON MIDDLE', County: 'ANDERSON', 'Number of Students': 203, 'Overall Score': 79 }
{ Campus: 'WASHINGTON EARLY CHILDHOOD CENTER', County: 'ANDERSON', 'Number of Students': 227, 'Overall Score': 78 }
{ Campus: 'HUNTINGTON INT', County: 'ANGELINA', 'Number of Students': 240, 'Overall Score': 74 }
... (1050 más, total 1053)Explicación: Cuando un objeto de filtro tiene múltiples claves, MongoDB las combina con AND lógico. $lt significa “less than”.
Actividad 6: Contar cuántos campus hay por cada tipo de escuela (School Type).
db.escuelas.aggregate([
{ $match: { Campus: { $ne: "" } } },
{ $group: { _id: "$School Type", total: { $sum: 1 } } },
{ $sort: { total: -1 } }
]);{ _id: 'Elementary', total: 4887 }
{ _id: 'High School', total: 1801 }
{ _id: 'Middle School', total: 1720 }
{ _id: 'Elem/Secondary', total: 558 }Explicación: Primer uso del pipeline de agregación. $group colapsa todos los documentos con el mismo School Type y suma 1 por cada uno ($sum: 1). El $match previo elimina las filas de distrito.
Actividad 7: Obtener el promedio de estudiantes matriculados por cada condado.
db.escuelas.aggregate([
{ $match: { "Number of Students": { $type: "number" } } },
{ $group: { _id: "$County", promedio_estudiantes: { $avg: "$Number of Students" } } },
{ $sort: { promedio_estudiantes: -1 } }
]);{ _id: 'MONTGOMERY', promedio_estudiantes: 1773.93 }
{ _id: 'FORT BEND', promedio_estudiantes: 1759.84 }
{ _id: 'HARRISON', promedio_estudiantes: 1719.81 }
{ _id: 'WALKER', promedio_estudiantes: 1591.90 }
{ _id: 'HARRIS', promedio_estudiantes: 1577.13 }
... (248 más, total 253)Explicación: $avg ignora documentos donde el campo no es un número, pero el $match con $type: "number" lo hace explícito y filtra celdas vacías (importadas como "").
Actividad 8: Mostrar los condados que tienen más de 3 campus registrados.
db.escuelas.aggregate([
{ $match: { Campus: { $ne: "" } } },
{ $group: { _id: "$County", total_campus: { $sum: 1 } } },
{ $match: { total_campus: { $gt: 3 } } },
{ $sort: { total_campus: -1 } }
]);{ _id: 'HARRIS', total_campus: 1060 }
{ _id: 'DALLAS', total_campus: 767 }
{ _id: 'BEXAR', total_campus: 562 }
{ _id: 'TARRANT', total_campus: 521 }
{ _id: 'HIDALGO', total_campus: 415 }
... (209 más, total 214)Explicación: Aquí aparecen dos $match: el primero antes de agrupar (para excluir filas de distrito), el segundo después de agrupar (para filtrar sobre el conteo calculado). Esta es la clave para post-filtrar resultados agregados.
Actividad 9: Listar las escuelas que lograron obtener la distinción “Earned” tanto en Matemáticas como en Ciencias.
db.escuelas.find(
{
"Distinction Mathematics": "Earned",
"Distinction Science": "Earned"
},
{ _id: 0, Campus: 1, County: 1, "Distinction Mathematics": 1, "Distinction Science": 1 }
);{ Campus: 'CAYUGA EL', County: 'ANDERSON', 'Distinction Mathematics': 'Earned', 'Distinction Science': 'Earned' }
{ Campus: 'CAYUGA H S', County: 'ANDERSON', 'Distinction Mathematics': 'Earned', 'Distinction Science': 'Earned' }
{ Campus: 'PALESTINE H S', County: 'ANDERSON', 'Distinction Mathematics': 'Earned', 'Distinction Science': 'Earned' }
{ Campus: 'FRANKSTON EL', County: 'ANDERSON', 'Distinction Mathematics': 'Earned', 'Distinction Science': 'Earned' }
... (1031 más, total 1035)Explicación: La conjunción se implementa simplemente listando ambas condiciones en el objeto de filtro (se combinan con AND).
Actividad 10: Calcular el puntaje general (Overall Score) máximo y mínimo, agrupado por Tipo de Escuela.
db.escuelas.aggregate([
{ $match: { "Overall Score": { $type: "number" } } },
{ $group: {
_id: "$School Type",
score_max: { $max: "$Overall Score" },
score_min: { $min: "$Overall Score" }
} },
{ $sort: { _id: 1 } }
]);{ _id: 'District', score_max: 100, score_min: 41 }
{ _id: 'Elem/Secondary', score_max: 99, score_min: 55 }
{ _id: 'Elementary', score_max: 100, score_min: 41 }
{ _id: 'High School', score_max: 100, score_min: 47 }
{ _id: 'Middle School', score_max: 98, score_min: 45 }Explicación: $max y $min son acumuladores paralelos en el mismo $group, lo que permite calcular varias métricas agregadas en una sola pasada.
Actividad 11: Por cada región educativa (County), mostrar en un solo reporte: total de campus, promedio de Overall Score y total acumulado de estudiantes matriculados.
db.escuelas.aggregate([
{ $match: { Campus: { $ne: "" } } },
{ $group: {
_id: "$County",
total_campus: { $sum: 1 },
promedio_score: { $avg: "$Overall Score" },
total_estudiantes: { $sum: "$Number of Students" }
} },
{ $sort: { total_campus: -1 } }
]);{ _id: 'HARRIS', total_campus: 1060, promedio_score: 85.48, total_estudiantes: 880036 }
{ _id: 'DALLAS', total_campus: 767, promedio_score: 82.01, total_estudiantes: 492831 }
{ _id: 'BEXAR', total_campus: 562, promedio_score: 81.93, total_estudiantes: 341761 }
{ _id: 'TARRANT', total_campus: 521, promedio_score: 83.73, total_estudiantes: 344096 }
{ _id: 'HIDALGO', total_campus: 415, promedio_score: 89.19, total_estudiantes: 251101 }
... (248 más, total 253)Explicación: Un $group puede combinar cualquier cantidad de acumuladores heterogéneos ($sum, $avg, $max, etc.). El condado HARRIS agrupa el área metropolitana de Houston, lo que explica su magnitud.
Actividad 12: Identificar el Top 5 de condados con mayor cantidad total de estudiantes, excluyendo previamente las escuelas que son “Charter”.
db.escuelas.aggregate([
{ $match: { Charter: "No", "Number of Students": { $type: "number" } } },
{ $group: { _id: "$County", total_estudiantes: { $sum: "$Number of Students" } } },
{ $sort: { total_estudiantes: -1 } },
{ $limit: 5 }
]);{ _id: 'HARRIS', total_estudiantes: 1664826 }
{ _id: 'DALLAS', total_estudiantes: 823640 }
{ _id: 'TARRANT', total_estudiantes: 670166 }
{ _id: 'BEXAR', total_estudiantes: 599846 }
{ _id: 'COLLIN', total_estudiantes: 458856 }Explicación: El $match se aplica antes del $group para que el filtrado aproveche cualquier índice disponible (mejor desempeño). $limit corta al top-5 después del ordenamiento.
Actividad 13: Agrupar las escuelas por su calificación general (Overall Rating) y crear un arreglo sin duplicados ($addToSet) de los condados que obtuvieron dicha calificación.
db.escuelas.aggregate([
{ $match: { "Overall Rating": { $nin: ["", null] } } },
{ $group: {
_id: "$Overall Rating",
condados: { $addToSet: "$County" },
total_condados: { $sum: 1 }
} },
{ $project: {
_id: 1,
muestra_condados: { $slice: ["$condados", 10] },
num_condados_unicos: { $size: "$condados" }
} },
{ $sort: { _id: 1 } }
]);{ _id: 'A', num_condados_unicos: 206, muestra_condados: ['GLASSCOCK','LAMPASAS','FISHER','HOWARD','MCMULLEN','PARMER','RED RIVER','ATASCOSA','DENTON','HARTLEY'] }
{ _id: 'B', num_condados_unicos: 237, muestra_condados: ['DELTA','POTTER','CONCHO','FANNIN','CASS','GONZALES','COLLINGSWORTH','FORT BEND','WEBB','FALLS'] }
{ _id: 'C', num_condados_unicos: 189, muestra_condados: ['RED RIVER','HOWARD','ATASCOSA','DENTON','DIMMIT','GUADALUPE','LA SALLE','COLEMAN','SAN JACINTO','GREGG'] }
{ _id: 'Not Rated', num_condados_unicos: 92 }
{ _id: 'Not Rated: Data Integrity Issues', num_condados_unicos: 1, muestra_condados: ['ERATH'] }
{ _id: 'Not Rated: Data Under Review', num_condados_unicos: 2, muestra_condados: ['HARRISON','LUBBOCK'] }
{ _id: 'Not Rated: Senate Bill 1365', num_condados_unicos: 116 }Explicación: $addToSet acumula valores únicos, a diferencia de $push que acumula todos (incluyendo duplicados). Para no saturar el reporte con arreglos de 200+ elementos, se usa $slice para mostrar solo los primeros 10 y $size para reportar el total.
Actividad 14: Obtener el promedio del puntaje de crecimiento académico (Academic Growth Score) por tipo de escuela, filtrando para ignorar aquellos documentos que no tengan este dato o esté vacío.
db.escuelas.aggregate([
{ $match: { "Academic Growth Score": { $type: "number" } } },
{ $group: {
_id: "$School Type",
promedio_growth: { $avg: "$Academic Growth Score" },
muestras: { $sum: 1 }
} },
{ $sort: { promedio_growth: -1 } }
]);{ _id: 'Elementary', promedio_growth: 84.68, muestras: 4354 }
{ _id: 'District', promedio_growth: 82.34, muestras: 1185 }
{ _id: 'Elem/Secondary', promedio_growth: 81.94, muestras: 426 }
{ _id: 'Middle School', promedio_growth: 79.26, muestras: 1687 }
{ _id: 'High School', promedio_growth: 76.10, muestras: 1348 }Explicación: El filtro $type: "number" es más estricto que $ne: null, porque mongoimport representa celdas vacías como cadena vacía "", no como null. Sin este filtro, los promedios serían incorrectos.
Actividad 15: Calcular la suma total de estudiantes del programa EB/EL (% EB/EL Students × Number of Students / 100) para todo el estado, agrupado por calificación general (Overall Rating).
db.escuelas.aggregate([
{ $match: {
"Overall Rating": { $nin: ["", null] },
"% EB/EL Students": { $type: "number" },
"Number of Students": { $type: "number" }
} },
{ $group: {
_id: "$Overall Rating",
total_eb_el: {
$sum: {
$divide: [
{ $multiply: ["$% EB/EL Students", "$Number of Students"] },
100
]
}
}
} },
{ $project: { _id: 1, total_eb_el: { $round: ["$total_eb_el", 2] } } },
{ $sort: { _id: 1 } }
]);{ _id: 'A', total_eb_el: 499830.48 }
{ _id: 'B', total_eb_el: 1396549.14 }
{ _id: 'C', total_eb_el: 345034.98 }
{ _id: 'Not Rated', total_eb_el: 4069 }
{ _id: 'Not Rated: Data Integrity Issues', total_eb_el: 682.2 }
{ _id: 'Not Rated: Data Under Review', total_eb_el: 1453.92 }
{ _id: 'Not Rated: Senate Bill 1365', total_eb_el: 95459.26 }Explicación: Dentro de un acumulador $sum se puede anidar una expresión aritmética completa con $multiply, $divide, etc. El $round final limpia la presentación a 2 decimales. La categoría con más estudiantes EB/EL (aprendices de inglés) es la B, con ~1.4 millones.
4. Conclusiones
La práctica recorre el ciclo completo de MongoDB: modelado (oficinas, empleados, proyectos), inserción, validación con JSON Schema, consultas con operadores lógicos ($nor, $in, $nin) y finalmente agregación compuesta sobre un dataset real de más de 10 mil documentos.
Hay dos decisiones prácticas que vale la pena destacar:
-
Limpieza previa vs limpieza posterior. Al normalizar el CSV en Python antes de importar, se evita escribir un script de
forEachenmongoshpara reparar tipos. Esto también permite quemongoimportinfiera los tipos correctamente sin--columnsHaveTypes. -
JSON Schema con
collModvs al crear. Cuando ya existen documentos,collModconvalidationLevel: "moderate"es la forma segura de agregar reglas sin romper la colección. Cuando la colección es nueva, meter el validador directamente encreateCollectiones más limpio.
La riqueza del aggregation framework (en especial $group con múltiples acumuladores y expresiones aritméticas anidadas) permite resolver consultas complejas sin salirse del servidor, algo que en un modelo relacional normalmente requeriría subconsultas o vistas materializadas.