这里有一个方法：

• 使用pd.Series.str.extractall和'(?<=:)(\d+)'来获得每个数字序列前面都有冒号（pattern explanation）。
• 使用df.squeeze得到结果df，其中1列为Series，并应用Series.unstack来透视结果。
• 最后，使用df.rename重命名列，并使用df.join将结果附加到df['info']。

df = (df.join(df['info']
              .str.extractall('(?<=:)(\d+)')
              .squeeze()
              .unstack()
              .rename(columns={k: v for k, v in enumerate([*'ABCD'])})
              )
      )

df

                             info       A  B  C  D
0  1cr1:782906:F:He:1:Ho1:0:Ho2:0  782906  1  0  0
1  5cr1:782946:G:He:1:Ho1:0:Ho2:0  782946  1  0  0

这应该可以工作，但是你必须一列一列地做，虽然这不是最干净的解决方案

df['A'] = df['info'].astype("str").apply(lambda x: [e for e in x.split(':') if e.isdigit()][0])
df['B'] = df['info'].astype("str").apply(lambda x: [e for e in x.split(':') if e.isdigit()][1])

一种可行的方法。首先，通过在:字符上拆分，将info列转换为值列表。

df["info"] = df["info"].apply(lambda x: x.split(":"))

完成后，可以使用.apply(pd.Series)创建一组列，每个列对应列表中的每个元素。每一行都被转换为pd.Series，这意味着输出是一个 Dataframe 。info_df = df['info'].apply(pd.Series)。
如果info中的每个值总是具有相同数量的冒号分隔的子字符串，那么得到所需结果的简写是

df = pd.DataFrame({'info':{0:'1cr1:782906:F:He:1:Ho1:0:Ho2:0',
                           1:'5cr1:782946:G:He:1:Ho1:0:Ho2:0'}})

df[["A", "B", "C", "D", "E", "F", "G", "H", "I"]] = df["info"].apply(pd.Series)