您可以按str访问器对值进行切片并添加;：

df['col'] = df['col'].str[:5] + ';' + df['col'].str[5:]
print (df)
                     col
0       DEU02; Allemagne
1         ANDMA; Andorre
2          AGOUT; Angola
3  JAMDC; Anguilla (Île)

另一个想法是用Series.str.split创建2列：

df[['code','name']] = df['col'].str.split(n=1, expand=True)
print (df)
                    col   code            name
0       DEU02 Allemagne  DEU02       Allemagne
1         ANDMA Andorre  ANDMA         Andorre
2          AGOUT Angola  AGOUT          Angola
3  JAMDC Anguilla (Île)  JAMDC  Anguilla (Île)

如果你的数据是在一个dataframe中，你也可以使用str.replace来替换字符串开头的第5个字符位置（使用regex lookbehind），使用;：

df['col'] = df['col'].str.replace(r'(?<=^.{5})', ';', regex=True)

输出：

0         DEU02; Allemagne
1           ANDMA; Andorre
2            AGOUT; Angola
3    JAMDC; Anguilla (Île)

你真的不需要Pandas：

with open('in.txt') as f, open('out.txt', 'w') as f_out:
    for l in f:
        f_out.write(l[:5]+';'+l[5:])

另外，您可以利用read_csv：

# read with one column for the first 5 characters
# one for the rest, then export with ";" as delimiter
(pd.read_csv('in.txt', sep=r'(?<=^\S{5})', header=None)
   .to_csv('out.txt', sep=';', index=False, header=None)
)

或者：

# read all file with one column, then replace and export
(pd.read_csv('in.txt', sep='--none--', header=None)
   [0].str.replace(r' ', '; ', n=1, regex=False)
   .to_csv('out.txt', header=None, index=False)
)

• 或者对于5个字符的完全匹配：replace(r'(?<=^.{5})', ';', regex=True) .*

输出文件（out.txt）：

DEU02; Allemagne
ANDMA; Andorre
AGOUT; Angola
JAMDC; Anguilla (Île)

另一种可能的解决方案：

df['col'].str.replace(r'^(.{5})', r'\1;', regex=True)

输出：

0         DEU02; Allemagne
1           ANDMA; Andorre
2            AGOUT; Angola
3    JAMDC; Anguilla (Île)
Name: col, dtype: object