拆分列是pandas中常用的一種數據操作，它可以將一個包含多個值的列按照指定的規則拆分成多個新列，方便進行後續的分析和處理。
拆分列的使用場景比較廣泛，以下是一些常見的應用場景：

1. 處理日期數據：在日期數據中，經常會將年、月、日等信息合併成一列，通過拆分列可以將其拆分成多個新列，方便進行時間序列分析。
2. 處理地址數據：類似於日期數據，在地址數據中也經常會將省、市、區等信息合併成一列，通過拆分列可以將其拆分成多個新列，有利於進行地理位置分析。
3. 處理姓名數據：在一些數據集中，姓名通常會以“姓”、“名”兩列呈現，通過拆分列可以將其分別提取出來，方便進行人口統計學分析。
4. 處理文本數據：在一些文本數據中，可能存在多個關鍵詞同時出現的情況，通過拆分列可以將這些關鍵詞拆分成多個新列，方便進行文本分類或聚類分析。

本篇簡要介紹下pandas拆分列的常用方法。

1. 拆出列中部分信息

如下測試數據：

import pandas as pd

df = pd.DataFrame(
    {
        "姓名": ["張 三", "李 四", "王 五"],
        "地址": [
            "江蘇省,南京市,建鄴區",
            "浙江省,杭州市,餘杭區",
            "安徽省,合肥市,廬陽區",
        ],
    }
)

df

提取姓和城市信息：

df["城市"] = df["地址"].str.split(",",
                             expand=True)[1]
df["姓"] = df["姓名"].str.split(" ",
                             expand=True)[0]
df

註意要加上 expand=True 參數。

因為：

1. expand=False：split後的值是Series
2. expand=True：split後的值是DataFrame

2. 拆分成多列

拆分成多列有兩種方式：
第一種：

df[["省", "市", "區"]] = 
	df["地址"].str.split(",", expand=True)
df

第二種：這種方式不需要設置 expand=True

df["省"], df["市"], df["區"] = 
	zip(*df["地址"].str.split(","))
df

3. 使用正則拆分

除了直接按照字元來split列中的數據，也可以用正則表達式來split。
比如如下的場景，需要對客戶的手機號進行保密，可以通過正則表達式來截斷手機號，只保留最後四位。

df = pd.DataFrame(
    {
        "單號": ["0001", "0002", "0003"],
        "手機號": [
            "13900000001",
            "18922233344",
            "15955566677",
        ],
    }
)


df["截斷手機號"] = df["手機號"].str.split(
    r"\d{7}",
    expand=True,
    regex=True,
)[1]
df

通過正則表達式，可以更加靈活的拆分列的數據。