如何将DataFrame转换为逐行字典构成的一维数组？

直接用pandas内置的to_dict()方法就可以快速实现，不需要手写遍历逻辑，核心操作只需要1行代码：

• 假设你存储情感分析结果的DataFrame变量名为df，传入参数'records'调用方法，就能直接得到「每行对应一个字典」的数组，结构和你给出的目标完全一致：

tweet_dict_list = df.to_dict('records')

可选调整 #

如果你的目标结构要求所有字段值都是字符串类型（和你示例里的value格式对齐），可以在转换前先把数值列转成字符串：

# 按需使用，将数值型的情感指标列转为字符串
df[['Subjectivity', 'Polarity']] = df[['Subjectivity', 'Polarity']].astype(str)
tweet_dict_list = df.to_dict('records')

传入HTML渲染的补充说明 #

如果要把结果传到HTML页面做表格渲染：

• 用Flask、Django这类web框架的话，直接把tweet_dict_list作为模板变量传入前端即可
• 如果需要把数据直接嵌入静态HTML的JS代码里，可以用标准库转成JSON字符串，避免格式错误：

import json
# 生成可以直接在JS里解析的JSON字符串，ensure_ascii=False避免中文乱码
json_tweet_data = json.dumps(tweet_dict_list, ensure_ascii=False)

转换后拿你给出的样例数据测试，输出结构如下，完全符合要求：

[
  {
    "Tweets": "This is a sad day. Reversing Roe v. Wade is an...",
    "Subjectivity": 0.833333,
    "Polarity": 0.0,
    "Sentiment": "Nutral"
  },
  {
    "Tweets": "Through renewed investments in malaria and NTD...",
    "Subjectivity": 0.125,
    "Polarity": 0.0,
    "Sentiment": "Nutral"
  }
]

小提示：你当前数据里的情感标签Nutral是拼写错误，正确的中性拼写为Neutral，如果后续要做分类统计建议提前修正，不影响本次转换操作。

内容的提问来源于stack exchange，提问作者Vatsalya Baluni