python - 仅保留模式 'id' 之前的 ("_"字符串的一部分)

Question

我这里有一个小问题:

我实际上有一个 fasta 文件，例如:

g1.t1_0035_0042
ATTAGGAGGAA
g2.t1_0042_0042
ATTAGGAGA
g3.t1_0042_0035
ATTGGAAT
etc

我只想获取 id 名称的第一部分，我使用:

for record in SeqIO.parse(sp1_aa_corrected, 'fasta'):
    print(record.id[record.id.index("_")::-1])

但我得到:

t.1g
t.2g
t.2g

我想得到:

g1.t1
g2.t1
g3.t1

没有_number_number感谢您的帮助。

另一个问题:如果我有一个这样的数据框:

gene_name   scaf_name       scaf_length cov_depth       GC
g3.t1       scaffold 6      56786         79            0.39
g4.t1       scaffold 6      56786         79            0.39
g1.t1       scaffold 256    789765        86            0.42
g2.t1       scaffold 890    3456          85            0.40
g5.t1       scaffold 1234   590           90            0.41

如果我只想提取与gene_name:“g2.t1”相对应的原始数据，并创建一个新的数据帧，例如:

gene_name   scaf_name       scaf_length cov_depth       GC
g2.t1       scaffold 890    3456          85            0.40

我该怎么做？

Answer 1

使用str.split按特定字符进行分割。在这种情况下，您还可以指定 maxsplit=1。由于这会返回一个列表，因此您需要索引第一个元素。

x = 'g1.t1_0035_0042'

res = x.split('_', maxsplit=1)[0]

print(res)

g1.t1

<小时/>

要过滤数据框，只需使用:

res = df[df['gene_name'] == 'g2.t1']