下面是一个示例代码，演示如何按照域名将不同的电子邮件地址分开到不同的列中。

import pandas as pd

# 创建一个包含电子邮件地址的数据框
data = {'email': ['user1@example.com', 'user2@example.com', 'user3@gmail.com', 'user4@gmail.com']}
df = pd.DataFrame(data)

# 创建一个新的列用于存储域名
df['domain'] = df['email'].str.split('@').str[1]

# 创建一个字典来存储每个域名对应的列
domain_columns = {}

# 遍历数据框中的每个域名
for domain in df['domain'].unique():
    # 创建一个新的列名，形式为 "domain_域名"
    column_name = f"domain_{domain}"
    # 将新的列名和对应的域名存储到字典中
    domain_columns[domain] = column_name
    # 创建一个新的列，并将该列的值设置为 True 或 False，表示该行的电子邮件地址是否属于该域名
    df[column_name] = df['domain'] == domain

# 删除原始的域名列
df = df.drop(columns=['domain'])

print(df)

输出结果如下：

               email  domain_example.com  domain_gmail.com
0  user1@example.com                True             False
1  user2@example.com                True             False
2   user3@gmail.com               False              True
3   user4@gmail.com               False              True

在这个示例中，我们首先创建一个包含电子邮件地址的数据框。然后，我们使用 str.split('@').str[1] 将每个电子邮件地址拆分为用户名和域名，并将域名存储到一个新的列中。

接下来，我们遍历数据框中的每个唯一域名，并为每个域名创建一个新的列。新列的列名由域名组成，形式为 "domain_域名"。我们还将域名和对应的列名存储到一个字典中。

最后，我们将原始的域名列删除，以得到最终的结果。在结果中，每个域名对应的列都包含布尔值，表示该行的电子邮件地址是否属于该域名。