在 Python 环境下需要连接 MongoDB 数据库并从指定的集合collection中读取数据最终转换为 Pandas DataFrame 进行处理。MongoDB 存储的是 JSON 文档格式的数据使用pymongo库可以方便地查询并转换为适用于数据分析的 DataFrame 结构。解决方案使用pymongo库连接 MongoDB首先创建MongoClient以连接数据库实例并选择需要操作的数据库和集合。通过.find()方法查询集合中的数据并将其转换为 Python 列表格式再利用pandas.DataFrame()方法将其转化为结构化的表格数据。代码首先导入pandas和pymongo然后设置 MongoDB 连接信息包括主机地址、端口号、数据库名称及集合名称。如果数据库需要身份验证还需要提供用户名和密码。连接成功后通过find()方法读取集合中的所有数据并转换为 Pandas DataFrame以便后续的分析和处理。importpandasaspdfrompymongoimportMongoClient# MongoDB数据库连接信息hostlocalhostport27017usernameyour_usernamepasswordyour_passworddatabase_namemydatabasecollection_namemycollection# 连接MongoDBclientMongoClient(hosthost,portport,usernameusername,passwordpassword)# 选择数据库和集合dbclient[database_name]collectiondb[collection_name]# 读取数据这里读取所有文档可以根据需要添加查询条件datalist(collection.find())# 将数据转换为 DataFramedfpd.DataFrame(data)# 显示 DataFrame 头部数据print(df.head())运行代码后df.head()将显示 MongoDB 集合中的前几行数据以检查转换是否成功。例如MongoDB 中的数据如下[{_id:60c72b2f8f1a2e5b5c5e1a71,name:Alice,age:25,city:New York},{_id:60c72b2f8f1a2e5b5c5e1a72,name:Bob,age:30,city:Los Angeles}]转换后的 DataFrame 结构_id name age city 0 60c72b2f8f1a2e5b5c5e1a71 Alice 25 New York 1 60c72b2f8f1a2e5b5c5e1a72 Bob 30 Los Angeles如果不希望在 DataFrame 中包含_id字段可以在转换时排除它dfpd.DataFrame(data).drop(columns[_id])通过pymongo连接 MongoDB 并读取数据到 Pandas DataFrame可以方便地对非结构化 JSON 数据进行结构化转换便于后续的数据分析和处理。这种方式适用于数据分析、可视化和机器学习任务能够无缝对接 MongoDB 数据库并高效读取数据。