Ты пытаешься использовать прикладные модули питона, не овладев достаточно основами языка.
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(...
Можно сделать как в предыдущем вопросе
https://qna.habr.com/q/1195350
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
а можно было до загрузки пройтись по списку и удалить одинарные кавычки и 2 и 3 колонки и возможно тогда бы пандас сразу их проимпортировать как float и int например так
data3 = [(i[0].replace(' +', ''), i[1], int(i[2])) for i in data2]
и тогда осталось бы только преобразовать в дату первую колонку датафрейма
