分列在我們日常工作中經(jīng)常用到，從各種系統(tǒng)中導出的什么訂單號、名稱、日期很多都是復合組成的，這些列在匹配、合并時沒有辦法使用，我們經(jīng)常需要將她們分開。
像下面的DataFrame, 城市是復合的，變電站也是復合的，我們只需要一部分，要怎么操作呢？
網(wǎng)上搜索了一下，以前的做法是將要分的那列迭代并用split()分開，然后將分開后的數(shù)據(jù)新建一個DataFrame，然后再與原數(shù)據(jù)合并。比較復雜，大概的代碼如下：
其實原理清楚的話也不是很復雜。
當然我這里還有稍微簡單的辦法，其實原理基本一樣，只是不再使用迭代，只需要df['柜臺名稱'].str.split('-')取代 x.split('-') for x in df['柜臺名稱']
我們看到出來的結果已經(jīng)有索引和列名，明顯已經(jīng)是一個DataFrame了，這就是參數(shù)expand=True的作用。
在這里新的DataFrame和原數(shù)據(jù)df都是使用的默認索引，索引是一致的，可以以索引為鍵，使用merge()合并。如果索引不同的話，就需要重新設置索引了。
注意：如果直接用某一列和split()來分列是不行的，因為Series數(shù)據(jù)類型是沒有split()的，所以需要先用.str將這一列轉換為類似字符串的格式，就能夠使用split()了。
str.split()有三個參數(shù)：第一個參數(shù)就是引號里的內容：就是分列的依據(jù)，可以是空格，符號，字符串等等。
在上面這個圖里，使用‘岸’作為分列依據(jù)，含有岸行就分開了。
第二個參數(shù)就是前面用到的expand=True，這個參數(shù)直接將分列后的結果轉換成DataFrame。
第三個參數(shù)的n=數(shù)字就是限制分列的次數(shù)。
就是當用于分列的依據(jù)符號在有多個的話需要指定分列的次數(shù)（不指定的話就會根據(jù)符號有幾個分列幾次）。
我們先修改一下df的數(shù)據(jù)：
默認全部分列：
如果我想從最右邊的開始找分列的依據(jù)，可以使用rsplit()，rsplit和split()的用法類似，一個從右邊開始，一個從左邊開始。
