如何将存储多类别情感分数的Python列表优雅转换为Pandas DataFrame并存入MySQL

• 触发类型报错的直接原因：DataFrame.append仅支持接收Series、DataFrame类型的入参，传入裸Python列表时无法通过参数校验，直接抛出Can only merge Series or DataFrame objects, a <class 'list'> was passed错误
• 原有拼接逻辑本身存在结构偏差：用neutralScore生成单列DataFrame后，把其他6个分数列表逐行拼接到行方向，最后强行修改列名，会导致每列存储的内容和定义的列名完全错位；且这种行拼接的逻辑，和“每个情感类别单独作为一列存储”的目标从根上就不匹配
• 额外提示：DataFrame.append在pandas 2.0及以上版本已被彻底移除，就算修正类型问题，在新版环境下也无法正常运行

适配现有7个分类列表的极简整合方法 #

不需要复杂的append拼接，保留你已经写好的列表遍历分类逻辑不动，直接将7个列表以“列名-列表内容”的字典形式传入pd.DataFrame初始化参数即可：

import pandas as pd
# 按你预期的列顺序绑定对应分数列表，pandas会自动对长度不一致的列做NaN值补齐，保证行索引对齐
scores_df = pd.DataFrame(
    data = {
        'heavyPosScore': heavyPosScore,
        'middlePosScore': middlePosScore,
        'lightPosScore': lightPosScore,
        'neutralScore': neutralScore,
        'lightNegScore': lightNegScore,
        'middleNegScore': middleNegScore,
        'heavyNegScore': heavyNegScore
    }
)

这种方式的优势：

• 列名在初始化阶段直接绑定对应内容，完全不会出现列错位问题
• 不需要手动处理不同长度列表的对齐，长列保留全部值，短列不足位置自动补空
• 生成的DataFrame可直接通过to_sql方法写入MySQL，不需要额外调整结构

全链路性能优化方案 #

原有手写空列表、循环遍历if判断分类的写法效率较低，可直接用pandas内置的分箱函数一步完成分类逻辑，省去手动建列表、循环append的步骤，和你现有已实现的分类规则完全兼容：

# 1. 一次性将原始分数序列转为浮点型，替代原来逐行遍历转类型的写法
score_series = get_sent_score_comp_df.iloc[:, 0].astype(float)
# 2. 按照业务分类规则定义分箱边界，和现有已实现的规则完全对齐
bins = [-float('inf'), -0.89, -0.49, -0.091, 0.09, 0.49, 0.89, float('inf')]
# 3. 每个分箱区间对应的列名，和7个情感类别一一对应
bin_labels = ['heavyNegScore', 'middleNegScore', 'lightNegScore', 'neutralScore', 'lightPosScore', 'middlePosScore', 'heavyPosScore']
# 4. 分箱后按类别映射分数，一步生成可直接入库的DataFrame
scores_df = pd.DataFrame(
    {label: score_series[pd.cut(score_series, bins=bins, labels=bin_labels) == label].values 
     for label in bin_labels}
)

这种写法相比手写循环：

• 全程向量化计算，不需要逐行遍历判断，处理大批量分数时速度提升数十倍
• 分类边界和列名统一维护，后续调整区间规则时只需要修改bins和bin_labels两个参数即可，不需要改动循环逻辑

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