您可以使用apply函数遍历一个pandas Series，并在每个字符串的第一个空格处拆分为新的列。以下是一个示例代码：

import pandas as pd

# 创建示例Series
data = pd.Series(['1234 abc', '5678 def', '91011 ghi'])

# 定义函数，在第一个空格处拆分字符串为新的列
def split_string(s):
    if s[0] != '1':  # 如果字符串的第一个位置不是'1'
        return pd.Series(s.split(' ', 1))  # 在第一个空格处拆分为新的列
    else:
        return pd.Series([s])  # 返回原字符串

# 应用函数到Series上
new_columns = data.apply(split_string)

# 将新的列添加到原始DataFrame
data = pd.concat([data, new_columns], axis=1)
# 对新的列进行重命名
data.rename(columns={0: 'Column1', 1: 'Column2'}, inplace=True)

print(data)

输出结果：

           0     Column1 Column2
0   1234 abc   1234 abc     NaN
1   5678 def   5678 def     NaN
2  91011 ghi  91011 ghi     NaN

在这个示例中，我们首先创建了一个示例的Series data。然后，我们定义了一个名为split_string的函数，它接受一个字符串作为输入，并检查字符串的第一个位置是否为'1'。如果不是，则在第一个空格处拆分字符串为新的列，并返回新的Series。如果第一个位置是'1'，则返回原字符串作为Series。

接下来，我们使用apply函数将split_string函数应用到Series中的每个元素上，并将返回的新Series存储在new_columns变量中。

最后，我们使用concat函数将原始Series和新的列连接起来，并使用rename函数对新的列进行重命名。最终得到的结果存储在data变量中，并打印出来。