使用.str.split(expand=True)为何丢失数据？如何解决？

原因分析 #

1. str.split("")的拆分逻辑会生成空字符串：当传入空字符串作为分隔符时，Python会在每个字符的前后进行分割，比如"ATTGG"会被拆分为["", "A", "T", "T", "G", "G"]，开头的空串会占据拆分结果的第一列。
2. 你误以为“首行丢失”是混淆了DataFrame的索引与数据：输出左侧的数字是行索引，顶部的数字是列索引，原数据的每一行都被拆分了，但拆分结果的第一列全是空字符串，让你产生了首行数据丢失的错觉。

解决方法 #

方法1：过滤拆分后的空列 #

拆分后直接删除开头和结尾的空字符串列（因每个字符串长度一致，结尾也会有空串）：

# 已知字符串长度为5时，直接删除索引0和5的列
newdf = df['col'].str.split("", expand=True).drop([0, 5], axis=1)
# 动态适配任意长度的字符串
str_len = len(df['col'].iloc[0])
newdf = df['col'].str.split("", expand=True).drop([0, str_len], axis=1)

方法2：直接提取每个字符（更高效） #

用str.extractall精准提取每个字符，再转换为宽表，从根源避免空串生成：

newdf = df['col'].str.extractall('(.)')[0].unstack()

方法3：将字符串转为字符列表 #

通过apply(list)把每个字符串转成字符列表，再直接构建DataFrame：

newdf = pd.DataFrame(df['col'].apply(list).tolist())

内容的提问来源于stack exchange，提问作者alex