str.split(expand=True) 返回DataFrame时列名默认为0,1,2…，因split只负责切分不负责命名；需手动赋值columns或用assign(**...)链式重命名，且列数必须严格匹配。
为什么 _str.split(expand=True) 拆出来的列名是数字而不是你想要的
因为 expand=True 返回的是 DataFrame，Pandas 默认用整数索引当列名（0, 1, 2…），它根本不知道你要叫什么。这不是 bug，是设计如此——split 只负责切，不负责起名。
实操建议：
- 拆完立刻用
columns赋值新列名，顺序必须和拆分结果列数严格一致 - 如果原始列里有空值或切出来长度不一致的行，
expand=True会自动补NaN，但列数仍以最长行为准，别指望它“智能对齐” - 别在拆分后用
rename(columns={...})靠映射改名——数字列名可能重复（比如多列都切出 2 段），键冲突会静默失败
示例：
df['full_name'].str.split(' ', expand=True).columns = ['first', 'last']
用 assign 一行完成拆分+重命名，避免中间变量污染
直接链式调用最干净，尤其适合管道（pipe）或临时处理。关键点是把 split(expand=True) 的结果当字典解包传给 assign。
实操建议：
- 列名列表必须和拆分列数完全匹配，少一个或多一个都会报
ValueError: Unable to coerce to Series - 如果原列含
None或空字符串，split后对应行全为NaN，不影响列名赋值，但后续用.dropna()要小心——它默认删整行，不是只删这新列 - 不推荐用
df[['col']].join(...)方式合并，容易因索引对不齐导致错行
示例：
df = df.assign(**df['email'].str.split('@', expand=True).rename(columns={0: 'user', 1: 'domain'}))
str.split(n=) 控制切几刀，比正则更轻量
多数场景不需要正则，n 参数就能解决「只切第一处空格」「取最后两个字段」这类需求。它比 str.rsplit(n=) 更易读，且性能略好（C 实现优化过）。
实操建议：
-
n=1表示最多切 1 刀，返回最多 2 段；n=-1（默认）才全切 - 和
expand=True组合时，列数 =n + 1（比如n=2→ 3 列），别数错 - Windows 路径（
\）或 URL（/）里含多个分隔符？优先用rsplit('/', n=1)提取文件名，比正则re.search(r'[^/]+$', s)稳定
示例：
df['path'].str.rsplit('/', n=1, expand=True).columns = ['dir', 'file']
遇到 AttributeError: Can only use .str accessor with string values 怎么办
这是最常卡住人的错误：目标列不是字符串类型。Pandas 不会自动转，str 方法只认 object 且内容全为字符串的列，哪怕混一个 int 或 NaN（虽然 NaN 其实允许）也会崩。
实操建议：
- 先用
df['col'].apply(type).unique()看真实类型，别信df.dtypes显示的object - 安全写法是强制转字符串：
df['col'].astype(str).str.split(...)，但注意None会变'None'字面量，得加.replace('None', pd.NA) - 如果列里混了数字和字符串，且你想保留数字语义（比如 ID 列），别硬 str 转——先
mask出字符串子集再操作
示例：
mask = df['col'].apply(lambda x: isinstance(x, str))<br>df.loc[mask, 'col'].str.split(',', expand=True)
复杂点在于：列内容类型不一致时，str 访问器不会给你任何提示就直接报错，而错误信息里完全没提“类型问题”。很多人卡在这里反复检查分隔符、正则、expand 参数，其实根源在数据本身。 
