如何将pandas指定列设为NoSQL MongoDB集合的_id字段？

你只需要在导出字典前，将pandas DataFrame中的user_id列重命名为_id即可，MongoDB插入时会默认把_id字段作为文档的主键，不会再自动生成新的_id值。

实现代码 #

# 方法1：生成临时重命名的DataFrame，不修改原有df
db.collection.insert_many(df.rename(columns={'user_id': '_id'}).to_dict('records'))

# 方法2：如果需要长期使用带_id的df，可以修改原df
df.rename(columns={'user_id': '_id'}, inplace=True)
db.collection.insert_many(df.to_dict('records'))

注意事项 #

• 请确保user_id列的取值唯一，否则插入时会因为_id字段的默认唯一索引约束抛出重复键错误
• 如果你的user_id需要使用MongoDB原生的ObjectId类型，可以在重命名前先对该列做类型转换，示例如下：

  from bson.objectid import ObjectId
  df['user_id'] = df['user_id'].apply(lambda x: ObjectId(x))
  

• 如果遇到重复user_id需要覆盖原有文档而非跳过插入的场景，可以改用批量upsert操作替代insert_many。

内容的提问来源于stack exchange，提问作者emfeku