Pandas str.split用||分隔符拆分字符串为多列异常原因及解决方法

pandas.Series.str.split 默认以正则规则匹配分隔符，两种错误写法的问题本质都是没有正确匹配字面量||：

• 传入'||'作为分隔符时：正则语法中|是代表「或」逻辑的元字符，两个连续的|等价于匹配「空字符串或空字符串」，也就是字符串中所有字符间隙位置。指定拆分1次时，第一个拆分点在字符串最开头，因此切出的第一个元素为空字符串，第二个元素为完整原字符串，对应你看到的df3的异常结果。
• 传入'[||]'作为分隔符时：正则语法中方括号代表字符集合，匹配集合内的任意单个字符，括号内重复写|不会改变匹配规则，最终只会匹配单个|字符。指定拆分1次时，会在第一个|的位置切分，切分后的后半段字符串开头还残留一个|，就出现了age列前多余竖线的问题。

两种写法都可以得到和空格拆分一致的正确结果：

1. 对正则元字符做转义，匹配字面量双竖线。正则中匹配特殊字符本身需要加反斜杠转义，双竖线对应的正则匹配规则为\|\|：

import pandas as pd
data2 = {'Name': ['Alice||23', 'Philip||12', 'Krish||64', 'John||29']}
df2 = pd.DataFrame(data2)
# 转义特殊字符，按双竖线拆分
df2[['Name', 'age']] = df2['Name'].str.split(r'\|\|', 1, expand=True)

2. 关闭正则匹配模式，传入regex=False参数，此时分隔符会按普通字符串字面量匹配，不需要手动转义特殊字符，写法更简洁不易出错：

df2[['Name', 'age']] = df2['Name'].str.split('||', 1, expand=True, regex=False)

运行后输出结果完全符合预期：

内容的提问来源于stack exchange，提问作者Aly