将一列列表拆分为多列

您可以将数据帧构造函数与创建的列表一起使用到列表：

将熊猫作为pd导入
d1={'teams'：[['SF'，'NYG']，['SF'，'NYG']，['SF'，'NYG']，
['SF'，NYG']，['SF'，NYG']，['SF'，NYG']，['SF'，NYG']}
df2=pd.数据帧（d1）
打印（df2）
团队
0[SF，NYG]
1[SF，NYG]
2[SF，NYG]
3[旧金山，纽约州]
4[旧金山，纽约州]
5[旧金山，纽约州]
6[旧金山，纽约州]

df2[['team1'，'team2']]=pd.DataFrame（df2.teams.tolist（），index=df2.index）
打印（df2）
第1组第2组
0[SF，NYG]SF-NYG
1[SF，NYG]SF-NYG
2[SF，NYG]SF-NYG
3[SF，NYG]SF-NYG
4[SF，NYG]SF-NYG
5[SF，NYG]SF-NYG
6[SF，NYG]SF-NYG

对于新的数据帧：

df3=pd.DataFrame（df2['teams'].to_list（），columns=['team1'，'team2']））
打印（df3）
第1组第2组
0平方英尺纽约克
1平方英尺纽约币
2平方英尺纽约克
3平方英尺纽约克
4平方英尺纽约格
5平方英尺纽约克
6平方英尺纽约市

使用apply（pd.Series）的解决方案速度非常慢：

#7k行
df2=pd.concat（[df2]*1000）.重置索引（drop=True）
At[121]：%timeit df2['teams'].apply（pd.Series）
每个回路1.79 s±52.5 ms（7次运行的平均值±标准偏差，每个回路1次）
At[122]on：%timeit pd.DataFrame（df2['teams'].to_list（），columns=['team1'，'team2']）
每个回路1.63 ms±54.3µs（7次运行的平均值±标准偏差，每个1000个回路）