你当然可以**从0.19版本（可能更早）的元组生成器中构造pandas.DataFrame()。不要使用.from_records();只需要使用构造函数，例如：

import pandas as pd
someGenerator = ( (x, chr(x)) for x in range(48,127) )
someDf = pd.DataFrame(someGenerator)

生产：

type(someDf) #pandas.core.frame.DataFrame

someDf.dtypes
#0     int64
#1    object
#dtype: object

someDf.tail(10)
#      0  1
#69  117  u
#70  118  v
#71  119  w
#72  120  x
#73  121  y
#74  122  z
#75  123  {
#76  124  |
#77  125  }
#78  126  ~

您不能使用0.12版本的pandas从生成器创建DataFrame。你可以更新自己到开发版本（从github获取并编译它-这在Windows上有点痛苦，但我更喜欢这个选项）。
或者你可以，既然你说你正在过滤这些行，首先过滤它们，把它们写到一个文件中，然后用read_csv或其他东西加载它们...
如果你想变得超级复杂，你可以创建一个类似object的文件，它将返回以下行：

def gen():
    lines = [
        'col1,col2\n',
        'foo,bar\n',
        'foo,baz\n',
        'bar,baz\n'
    ]
    for line in lines:
        yield line

class Reader(object):
    def __init__(self, g):
        self.g = g
    def read(self, n=0):
        try:
            return next(self.g)
        except StopIteration:
            return ''

然后使用read_csv：

>>> pd.read_csv(Reader(gen()))
  col1 col2
0  foo  bar
1  foo  baz
2  bar  baz

要使它具有内存效率，请分块读取。类似这样的东西，使用上面的Viktor的Reader类。

df = pd.concat(list(pd.read_csv(Reader(gen()),chunksize=10000)),axis=1)

你也可以使用类似的东西（Python在2.7.5中测试）

from itertools import izip

def dataframe_from_row_iterator(row_iterator, colnames):
    col_iterator = izip(*row_iterator)
    return pd.DataFrame({cn: cv for (cn, cv) in izip(colnames, col_iterator)})

您还可以调整此设置以将行追加到DataFrame。
--编辑，12月4日：最后一行中的s/row/rows

如果generator就像一个DataFrames的列表，你只需要创建一个新的DataFrame连接列表的元素：
result = pd.concat(list)
最近我也遇到了同样的问题。

根据ChatGPT，下面的代码应该可以完成这项工作。使用Pandas 1.1.5和Python 3.8进行测试

import pandas as pd

def my_generator():
    yield {'Name': 'John', 'Age': 30, 'City': 'New York'}
    yield {'Name': 'Jane', 'Age': 25, 'City': 'Chicago'}
    yield {'Name': 'Mike', 'Age': 35, 'City': 'San Francisco'}

# Create the DataFrame using the generator expression
df = pd.DataFrame(data=my_generator())

# Display the DataFrame
print(df)