python - 根据字符串是否由特定字母组成来过滤数据框

Question

所以我的数据框看起来像这样

注意我在**里放了不同的字母，方便你看

      id                                                              genome
0    639  ATGTTTGTTTTT*Y*TTGTTTTATATGTTTGTTTTTCTTGTTTTATATGTTTGTTTTTCTTGTTTTAT
1    640  ATGTTTGTTTTT*J*TTGTTTTATATGTTTGTTTTTCTTGTTTTATATGTTTGTTTTTCTTGTTTTAT
2    641  ATGTTTGTTTTTCTTGTTTTATATGTTTGTTTTTCTTGTTTTATATGTTTGTTTTTCTTGTTTTAT
3    642  ATGTTTGTTTTTCTTGTTTTATATGTTTGTTTTTCTTGTTTTATATGTTTGTTTTTCTTGTTTTAT

我想按字符串过滤它。基本上，如果字符串包含除 A、C、T、G、N 之外的任何其他字母，请将此行保留在数据框中，否则只需删除它。

我正在绑这个

df = df[~df['genome'].str.contains('[^ACTGN]')]

还有这个

df = df[df['genome'].str.match('^[ACTGN]+$')]

但是没有什么接缝可以工作，我得到的只是所有行都是 true 或 false，尽管有不同的字母

Answer 1

看起来你的字符串有前导/尾随空格(查看打印输出中的那些对齐方式)。所以尝试一下:

df['genome'] = df['genome'].str.strip()
df = df[~df['genome'].str.contains('[^ACTGN]')]

或者，如果您不想修改 genome 列，也可以将它们链接起来:

df = df[df[~df['genome'].str.strip().str.contains('[^ACTGN]')]