这里有一个黑客，不特别规模好：
步骤1：将a列转储到原生python中，并创建一个值元组：

tuples = [(entry[0], entry[-1]) for entry  in tt['a'].to_list()[0]]

字符串
步骤2：cbind返回tt帧：

tt.cbind(dt.Frame(tuples))

tt

    a   b   C0  C1
0   A1  100 A   1
1   A2  200 A   2
2   A3  300 A   3

型
如果你只需要A，那么你可以使用下面的代码，它仍然不能很好地扩展（想象一下你在列中有空值），并且很粗糙（我们必须索引到列表中才能得到我们想要的）：

tt["A_only"] = dt.Frame([entry[0] for entry in tt['a'].to_list()[0]])

tt

     a   b   A_only
0   A1  100     A
1   A2  200     A
2   A3  300     A

型
如前所述，这并不能很好地扩展，此外，它也不能提供datatable所追求的速度。
目前，datatable还没有很好的字符串操作支持（我相信库维护人员目前正在处理这个问题，以及其他一些请求的特性）

我知道这是一个老问题，但如果有人仍然在寻找这个-在刚刚发布的1.0.0中，可以做以下事情：

tt = dt.Frame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})
tt["A_only"] = tt[:, f.a[0:1]]
tt["num_only"] = tt[:, f.a[1:]]
tt["num_only"] = dt.Type.int8  # Change the type of the column to `int`
tt.ltypes

字符串
上面的例子使用了字符串列上的切片，即依赖于一个固定的格式。正则表达式也有一个.re部分，但我只看到match，而不是extract。

这是我做的一个黑客来得到你想要的。我仍然在学习数据表，所以请容忍我，而我完全进入它。
首先，将数据表转换成一个框架。执行我前面列出的操作，然后将框架转换回数据表。Walla，现在你有了一个带有所需结果的数据表。
我是这么做的

from datatable import dt, f, g, by, update, join, sort
tt = dt.Frame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})
df = tt.to_pandas()
df = df.join(df.a.str.extract('([a-zA-Z])([0-9])', expand=True).add_prefix('a'))
df = df.rename(columns = {'a0': 'c', 'a1': 'd'})
tt = dt.Frame(df)
tt

字符串
其输出将是：

的数据
您可以拆分列并重命名字段。

import pandas as pd
df = pd.DataFrame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})
print (df)
df = df.join(df['a'].str.split(r'(\d.*)', expand=True).add_prefix('a'))
df.drop('a2',axis = 1,inplace=True)
df = df.rename(columns = {'a0': 'c', 'a1': 'd'})
print (df)

型
输出将是：
初始DataFrame将是：

a    b
0  A1  100
1  A2  200
2  A3  300

型
新的DataFrame看起来像这样：

a    b  c  d
0  A1  100  A  1
1  A2  200  A  2
2  A3  300  A  3

型
或者，你也可以使用extract和正则表达式来实现。

import pandas as pd
df1 = pd.DataFrame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})
df1 = df1.join(df1.a.str.extract('([a-zA-Z])([0-9])', expand=True).add_prefix('a'))
df1 = df1.rename(columns = {'a0': 'c', 'a1': 'd'})
print (df1)

型
它会给你给予同样的结果：

a    b
0  A1  100
1  A2  200
2  A3  300

型
在此选项中，它不会创建需要删除的附加列

a    b  c  d
0  A1  100  A  1
1  A2  200  A  2
2  A3  300  A  3

型

下面这个就可以了。

from datatable import dt, f, update
tt[:, update(c = dt.int32(f.a[1:]))]

print(tt)
   | a          b      c
   | str32  int32  int32
-- + -----  -----  -----
 0 | A1       100      1
 1 | A2       200      2
 2 | A3       300      3
[3 rows x 3 columns]

字符串