如何将MongoDB嵌套文档转换为Python Pandas扁平化DataFrame表格

实现方法 #

方法1：直接用json_normalize处理MongoDB查询结果（最优方案） #

你不需要先转成DataFrame再二次处理，直接把MongoDB返回的查询结果传给json_normalize，就能自动扁平化所有嵌套字段：

import pandas as pd
from pandas import json_normalize

# 直接读取MongoDB数据并完成扁平化展开
data = list(db.collection_name.find({}))
df = json_normalize(data)
print(df)

这个方法会自动把嵌套的address字段拆分为address.number、address.street、address.city三个独立列，完全匹配你需要的输出格式，不需要额外编写拆分逻辑。

方法2：针对已生成的原始DataFrame拆分address列 #

如果已经拿到了带完整address列的原始DataFrame，可以用以下代码手动完成拆分：

# 将address列的字典内容转为独立DataFrame，和原表拼接后删除原始address列
address_df = df['address'].apply(pd.Series)
address_df.columns = [f'address.{col}' for col in address_df.columns]
df = pd.concat([df.drop('address', axis=1), address_df], axis=1)

后续处理思路 #

• 空值处理：如果部分文档没有address字段、或者address下缺少某个子字段，json_normalize会自动填充NaN，可以根据业务需求填充默认值或者删除无效空行
• 多层嵌套扩展：如果存在更深层级的嵌套结构，json_normalize同样支持自动展开，不需要修改核心处理代码
• 字段重命名：如果不需要address.这类前缀，展开完成后直接修改columns属性即可批量重命名列名
• 性能优化：如果数据量较大，可以在MongoDB查询阶段就用$project运算符筛选需要的字段，能大幅降低Python端的处理压力

内容的提问来源于stack exchange，提问作者usmansharif shaik