能否用split()函数将Pandas Series转换为指定DataFrame？

可以使用split()函数结合Pandas的其他方法，将目标Series转换为你需要的两种DataFrame形式，具体实现如下：

准备工作 #

先导入所需库并定义原始Series：

import pandas as pd
import numpy as np

s = pd.Series(['adh', 'bei', np.nan, 'cfj'])

转换为第一种DataFrame（移除NaN行） #

如果需要得到不含NaN行的结果，先过滤空值再拆分字符串：

# 移除空值行
s_clean = s.dropna()
# 拆分每个字符串为单个字符，expand=True直接转为DataFrame，drop(columns=0)去掉split生成的空首列
df1 = s_clean.str.split('', expand=True).drop(columns=0)
# 重命名列
df1.columns = ['A', 'B', 'C']

最终df1的输出为：

A  B  C
0  a  d  h
1  b  e  i
3  c  f  j

转换为第二种DataFrame（保留NaN行） #

如果要保留NaN行且对应列值也为NaN，直接对原始Series使用split()即可，Pandas会自动处理NaN值：

# 拆分所有元素，NaN会自动保留为列中的NaN
df2 = s.str.split('', expand=True).drop(columns=0)
# 重命名列
df2.columns = ['A', 'B', 'C']

最终df2的输出为：

A    B    C
0    a    d    h
1    b    e    i
2  NaN  NaN  NaN
3    c    f    j

补充说明 #

• 使用str.split('', expand=True)时，每个字符串会被拆分为单个字符，但开头会多出一个空字符串（空分隔符会从字符串起始位置开始拆分），因此需要用drop(columns=0)移除这一列。
• 示例中所有非NaN元素都是固定3个字符，这种方法完全适配；若字符串长度不固定，需额外处理，但当前场景无需考虑。

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