如何将MongoDB查询生成的Python列表转为多列Pandas DataFrame并存库？

嗨，这个需求其实非常好解决，Pandas和相关工具已经帮我们把流程简化得很清晰了，我来一步步拆解给你：

第一步：将MongoDB返回的列表转换为DataFrame #

你的documents列表里每个元素都包含一个person字典，我们只需要把这些字典提取出来，就能直接转换成符合要求的DataFrame。这里有两种常用方法：

方法1：手动提取字典列表 #

这种方法直观易懂，适合结构简单的场景：

import pandas as pd

# 遍历documents，提取每个元素里的person字典
person_records = [doc['person'] for doc in documents]
# 转换为DataFrame
df = pd.DataFrame(person_records)
# 把列名改成大写，匹配你想要的传统数据库格式
df.columns = df.columns.str.upper()

方法2：使用pd.json_normalize处理嵌套结构 #

如果你的数据有更复杂的嵌套层级，json_normalize会更灵活，这里也能直接用：

import pandas as pd

# 直接指定从'person'路径提取数据，自动展开为列
df = pd.json_normalize(documents, record_path='person')
# 统一列名为大写
df.columns = df.columns.str.upper()

执行完上面任意一种方法后，你就能得到和示例一致的DataFrame：

第二步：将DataFrame写入关系型数据库 #

Pandas的to_sql方法可以直接把DataFrame写入数据库，不过需要配合SQLAlchemy的引擎来使用，以下是针对常见数据库的示例：

前置准备 #

首先安装必要的依赖：

• 如果你用MySQL：pip install pymysql sqlalchemy
• 如果你用PostgreSQL：pip install psycopg2-binary sqlalchemy
• 如果你用SQL Server：pip install pyodbc sqlalchemy

写入数据库的代码示例（以MySQL为例） #

from sqlalchemy import create_engine

# 创建数据库连接引擎，格式为：数据库类型+驱动://用户名:密码@主机地址:端口/数据库名
engine = create_engine('mysql+pymysql://your_username:your_password@localhost:3306/your_database_name')

# 将DataFrame写入数据库表
df.to_sql(
    name='persons_table',  # 要写入的数据库表名
    con=engine,            # 连接引擎
    if_exists='replace',   # 表存在时的处理：replace=替换，append=追加，fail=报错
    index=False            # 不把DataFrame的索引作为数据库列
)

一些注意事项 #

• 字段兼容性：如果你的phone字段是超长字符串（比如示例里的长数字串），要确保数据库表中对应的字段类型足够容纳（比如MySQL用VARCHAR(255)或TEXT），避免数据截断。
• 数据完整性：如果documents里存在没有person键的元素，建议先过滤再转换，比如：person_records = [doc['person'] for doc in documents if 'person' in doc]，防止出现KeyError。
• 性能优化：如果数据量极大，可以分批次写入数据库，通过chunksize参数设置每批次的行数，避免内存溢出。

内容的提问来源于stack exchange，提问作者Pablo Brenner