如何使用Pandas的assign方法简洁实现字符串拆分生成多列？

给定如下DataFrame：

import pandas as pd

df_so = pd.DataFrame.from_dict({
    0: 'gbp_usd',
    1: 'eur_usd',
    2: 'usd_cad',
    3: 'usd_jpy',
    4: 'eur_usd',
    5: 'eur_usd'
}, orient='index', columns=["ccy"])

原本通过df_so[['base_ccy', 'quote_ccy']] = df_so['ccy'].str.split('_', 1, expand=True)拆分生成新列，现在要在自定义tweak_df函数中用assign方法实现相同效果，这里提供两种简洁方案：

方案一：紧凑链式写法 #

直接在assign中通过str.split结合索引提取拆分后的元素，代码紧凑直观：

def tweak_df(df):
    return df.assign(
        base_ccy=lambda x: x['ccy'].str.split('_').str[0],
        quote_ccy=lambda x: x['ccy'].str.split('_').str[1]
    )

方案二：高效一次性拆分 #

如果数据量较大，先一次性完成拆分再分配列，避免重复调用split提升效率：

def tweak_df(df):
    # 一次性拆分并展开为临时DataFrame
    split_result = df['ccy'].str.split('_', expand=True)
    return df.assign(
        base_ccy=split_result[0],
        quote_ccy=split_result[1]
    )

调用函数后即可得到包含base_ccy和quote_ccy列的处理后DataFrame，两种方案都能替代原有写法，且符合assign的链式操作风格，适合在数据清洗函数中保持代码流畅性。

内容的提问来源于stack exchange，提问作者nipy