Python中如何将多列表转为单列DataFrame？Selenium爬取数据处理

核心需求是按单个用户维度，把所有信息（姓名、所在地、每段工作经历字段、每段教育经历字段）整合成有序条目，最终生成单列DataFrame，以下是具体实现方案：

步骤1：统一整理单用户完整信息 #

先假设你的爬取数据结构如下（可对应替换成你实际的字段和数据）：

# 示例爬取数据
names = ["张三", "李四"]
locations = ["北京市", "上海市"]
# 工作经历：每个元素对应单个用户的多段经历字典列表
work_experiences = [
    [{"公司": "科技公司A", "职位": "后端工程师", "入职时间": "2020-03", "离职时间": "2023-05"},
     {"公司": "互联网公司B", "职位": "技术主管", "入职时间": "2023-06", "离职时间": "至今"}],
    [{"公司": "金融公司C", "职位": "数据分析师", "入职时间": "2021-07", "离职时间": "2024-02"}]
]
# 教育经历：每个元素对应单个用户的多段经历字典列表
education_experiences = [
    [{"学校": "XX大学", "专业": "计算机科学", "入学时间": "2016-09", "毕业时间": "2020-06"}],
    [{"学校": "YY大学", "专业": "应用统计", "入学时间": "2017-09", "毕业时间": "2021-06"},
     {"学校": "ZZ职业学院", "专业": "数学", "入学时间": "2013-09", "毕业时间": "2017-06"}]
]

编写函数将单个用户的所有信息转成有序条目：

def format_user_info(name, location, works, edus):
    info = [name, location]
    # 格式化工作经历并添加
    for idx, work in enumerate(works, 1):
        work_str = f"工作经历{idx}：公司={work['公司']}，职位={work['职位']}，入职时间={work['入职时间']}，离职时间={work['离职时间']}"
        info.append(work_str)
    # 格式化教育经历并添加
    for idx, edu in enumerate(edus, 1):
        edu_str = f"教育经历{idx}：学校={edu['学校']}，专业={edu['专业']}，入学时间={edu['入学时间']}，毕业时间={edu['毕业时间']}"
        info.append(edu_str)
    return info

步骤2：生成单列DataFrame #

import pandas as pd

# 收集所有用户的格式化信息
all_user_info = []
for name, loc, work, edu in zip(names, locations, work_experiences, education_experiences):
    user_info = format_user_info(name, loc, work, edu)
    all_user_info.append(user_info)

# 生成单列DataFrame，列名可自定义
df = pd.DataFrame(all_user_info, columns=["个人信息"])

输出示例 #

最终的单列DataFrame结构如下：

常见问题修正 #

如果你的转换代码不符合预期，大概率是以下原因：

• 未按单个用户维度整合数据，直接拼接整个姓名列表、所在地列表等，导致数据错位
• 未将多段工作/教育经历扁平化为单个条目，保留了字典嵌套结构，导致DataFrame列混乱
• 未保证每个用户的信息顺序统一（姓名→所在地→工作经历→教育经历）

你只需将爬取数据替换成示例结构，调整format_user_info函数中的字段名（匹配你实际的字典字段）即可解决问题。

内容的提问来源于stack exchange，提问作者Jesper Ezra