更快地将mongo中的数据吸收到python中

我已读取以下数据：

print datetime.datetime.now()

opts = m.get_unique_dates_for_underlying(ticker, "date")

print datetime.datetime.now()

具有以下输出：

2015-11-02 22:46:50.371000
2015-11-02 22:46:50.371000

现在，当我将数据读入数据帧时，运行时需要12分钟：

df_opts = pd.DataFrame(list(opts)).convert_objects()

有没有更快的方法来实现这一点

---

df_opts

的长度为351500。

是否

m.get_unique_dates_作为基础

返回生成器？如果是这样的话，这就解释了为什么它会“立即”返回，而当您将它打包到数据帧中时，您会将它转换到一个列表中，然后Python需要迭代所有对象，其中351500个，并创建一个列表。如果它是一个生成器，你能不能不让熊猫从生成器中加载，这样你就可以跳过显式创建一个大列表？@ChristianWitts我从阅读中了解到我对列表（光标）的使用似乎是一个问题。你试过了吗？@Leb谢谢是的，我在上下班路上发了这个问题后发现了monary。感谢您为这条路线提供的额外动力。

m.get\u unique\u dates\u for\u underlined

是否返回生成器？如果是这样的话，这就解释了为什么它会“立即”返回，而当您将它打包到数据帧中时，您会将它转换到一个列表中，然后Python需要迭代所有对象，其中351500个，并创建一个列表。如果它是一个生成器，你能不能不让熊猫从生成器中加载，这样你就可以跳过显式创建一个大列表？@ChristianWitts我从阅读中了解到我对列表（光标）的使用似乎是一个问题。你试过了吗？@Leb谢谢是的，我在上下班路上发了这个问题后发现了monary。感谢你们为这条路线提供的额外动力。