最直接做法是用 pandas.dataframe() 包裹 list(cursor)，但需先将 objectid 转为字符串以防 typeerror；大数据量时应分批读取避免 oom，并用 json_normalize 处理嵌套字段缺失问题。
用 pandas.DataFrame() 包裹 list(cursor) 最直接
MongoDB 的 find() 返回的是游标（Cursor），不能直接传给 pandas.DataFrame()。最稳妥的做法是先转成 Python 列表，再构造 DataFrame：
import pandas as pd
from pymongo import MongoClient
<p>client = MongoClient('mongodb://localhost:27017/')
db = client['mydb']
collection = db['users']</p><h1>✅ 正确：显式转 list，再喂给 DataFrame</h1><p>df = pd.DataFrame(list(collection.find({'status': 'active'})))</p>不建议用 pd.DataFrame(collection.find(...)) —— 这会触发 Pandas 内部的不兼容解析逻辑，可能丢字段、错类型，尤其当文档含嵌套字典或 ObjectId 时。处理 ObjectId 字段导致的 TypeError
直接转 DataFrame 时，ObjectId 类型无法被 Pandas 序列化，报错：TypeError: Object of type ObjectId is not JSON serializable。必须提前转换：
from bson import ObjectId
<p>cursor = collection.find({'status': 'active'})
data = []
for doc in cursor:
doc['_id'] = str(doc['_id']) # 强制转字符串
data.append(doc)
df = pd.DataFrame(data)</p>
- 只对
_id做转换即可，其他字段一般无此问题 - 若需保留原始
ObjectId作后续查询，可额外加一列：doc['id_str'] = str(doc['_id']) - 不要用
json_util.dumps()全量序列化——它生成的是字符串，不是结构化数据
大数据量时避免内存爆掉
调用 list(cursor) 会一次性把所有结果加载进内存。查几十万条文档时，极易 OOM。
- 优先用
collection.find().limit(n)加限制，调试阶段别裸跑 - 真要全量导出，改用分批读取 +
pd.concat()：def cursor_to_df_batched(collection, query={}, batch_size=10000): offset = 0 dfs = [] while True: batch = list(collection.find(query).skip(offset).limit(batch_size)) if not batch: break # 转 ObjectId for doc in batch: doc['_id'] = str(doc['_id']) dfs.append(pd.DataFrame(batch)) offset += batch_size return pd.concat(dfs, ignore_index=True) - 注意
skip()在大数据集上性能差，生产环境建议用_id范围分片（如{'_id': {'$gt': last_id}}）
字段缺失导致列不齐？用 pd.json_normalize()
如果集合中文档结构不一致（比如有的有 address.city，有的没有），pd.DataFrame() 会自动补 NaN，但嵌套字段（如 address 字典）会被当做一个 object 列。想展开成扁平列，用：
from pandas import json_normalize
<p>data = list(collection.find({'status': 'active'}))
for doc in data:
doc['_id'] = str(doc['_id'])
df = json<em>normalize(data, sep='</em>')</p>
-
sep='_'把address.city变成address_city - 若某些文档缺整个
address字段，json_normalize仍能对齐列，比原生 DataFrame 更鲁棒 - 不支持多层重复数组展开（如
orders.items），这时得手写预处理
实际用的时候，ObjectId 转换和分批逻辑最容易漏，尤其本地调试时数据少看不出问题，一上生产就挂。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
