PavelMos

data = json.loads(data_str)
#получается список списков из форматированной строки. 
#Этот список списков вероятно надо загрузить в Pandas,  в таблицу.
result = '\n'.join(map(str, data)) # 
#join берёт список и объединяет его в строку с символом или строкой разделителем.  
#И еще и map http://pythonicway.com/python-functinal-programming. 
# Результат не имеет смысла для твоей задачи.
f_res = '[Date, Amount]\n' + result #Как бы верно, если для таблицы в виде списка 
#списков надо добавить заголовки, то можно к заголовкам присоединить  саму таблицу . 
#Но здесь  не имеет смысла.  Cам заголовок в виде строки, а не списка из элементов, 
#в таблице не 2, а 3 столбца, и самой таблицы в виде #списка списков уже нет - 
#преобразована обратно в строку
f_res1 = re.findall(r', *.*,', f_res) # непонятно что нужно найти. См. про регекспы, удобно тренироваться на #regext101.com
f_res1_1 = ' '.join(f_res1[0:30])
f_res2 = f_res1_1.replace(',', ' ') # тут код имеет смысл,  если предположить, что в f_res1 есть 
#список найденных результатов и от него берётся первые 30 элементов 
#(надо заранее проверять, есть ли в нём столько, или предусмотреть обработку ошибки).  
f_res3 = {'price': f_res2} # допустим создаётся словарь ключ price, значение - длинная строка
f_res4 = pd.DataFrame(f_res3, index=[0])# создать датафрейм из словаря это pd.DataFrame.from_records(...

import pandas as pd
req = requests.get('https://steamcommunity.com/market/listings/730/Glove%20Case')
search = re.search('var line1=(.+);', req.text)
data_str = search.group(1)
data1 = json.loads(data_str) #получем с помощью json или через split список строк, 
#который будет преобразован в 3 колонки
data2 = [i.replace('"', '').split(',') for i in data] # обработать строки  - 
#убрать лишние двойные кавычки, разбить каждую строку на 3 элемента
df1 = pandas.DataFrame.from_records(data=data2, columns=['c1','c2','c3']) #загрузить, назвать колонки
df1.dtypes()#проверить, какие типы получились при импорте, и привести колонки к нужным типам
df1['c1'] = df1.apply(lambda x: x[1].replace(' +',''), axis=1)  #убрать из строки с датой лишние символы, 
#но это можно было бы сделать и на каком-то из предыдущих шагов с помощью регекспа или replace
df1['c1'] = pandas.to_datetime(df1['c1']) #преобразовать в тип datetime
df1['c2'] = pandas.to_numeric(df1['c2']) #преобразовать в число,  пандас должен понять, что будет float
df1['c3'] = pandas.to_numeric(df1['c3']) # преобразовать в число, паднас должен понять, что будет int

data3 = [(i[0].replace(' +', ''), i[1], int(i[2])) for i in data2]

rows = soup.find('table',class_ ='betinfo2').find('tbody').find_all('tr')

from selenium import webdriver
import selenium
import time

driver=webdriver.Chrome('C:\\inst\\chromedriver_win32\\chromedriver.exe')
page2='https://____.ru/gde_kupit_kvartiru/agentstva_nedvizhimosti?page=1'

driver.get(page2)
time.sleep(3)
driver.find_element(selenium.webdriver.common.by.By.XPATH,
                    f'//*[@class="show-"]').click()
time.sleep(4) #я задержку ставил на всякий случай, возможно, сработает и без неё, если там совсем никто с парсерами не борется
try:
    a=driver.find_element(selenium.webdriver.common.by.By.XPATH,
                    f'//li[contains(@class, "phone-")]').text
    print ('a=', a)
except Exception:
    print (Exception)
try:
    b=driver.find_element(selenium.webdriver.common.by.By.XPATH,
                    f'//a[contains(@href, "tel:+")]').text
    print ('b=', b)
except Exception:
    print (Exception)

dict_={}
for i in range (0,len(...)):
   dict_[all_authors_names[i].text]={item_views_hrefs[i].text: item_views_hrefs[i].get('href')}

[{'cena': '\n    \t                2\xa0345\xa0000\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-lx-570-vnedorozhnik-2011-g-v-probeg-117000-km-avtomat-5-7-l-advert740313755.html'},
 {'cena': '\n    \t                1\xa0200\xa0000\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-gx-470-vnedorozhnik-2004-g-v-probeg-133569-km-avtomat-4-7-l-advert750625481.html'},
 {'cena': '\n    \t                1\xa0320\xa0000\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-rx-270-vnedorozhnik-2011-g-v-probeg-115000-km-avtomat-advert749088541.html'},
 {'cena': '\n    \t                1\xa0500\xa0000\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-gs-250-sedan-2013-g-v-probeg-142145-km-avtomat-2-5-l-advert753188137.html'},
 {'cena': '\n    \t                1\xa0839\xa0999\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-lx-570-vnedorozhnik-2008-g-v-probeg-265000-km-avtomat-5-7-l-advert752860724.html'},
 {'cena': '\n    \t                845\xa0000\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-rx-350-vnedorozhnik-2006-g-v-probeg-196000-km-avtomat-3-5-l-advert752339702.html'},
 {'cena': '\n    \t                1\xa0400\xa0000\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-ls-460-sedan-2012-g-v-probeg-390000-km-avtomat-advert744369992.html'},
 {'cena': '\n    \t                3\xa0900\xa0000\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-lx-limuzin-2010-g-v-probeg-44000-km-avtomat-advert699227821.html'},
 {'cena': '\n    \t                3\xa0400\xa0000\xa0руб.\n    \t            ',
  'link': 'https://irr.ru/cars/passenger/used/lexus-lx-570-vnedorozhnik-2013-g-v-probeg-75000-km-avtomat-advert753194033.html'}]