解析数据帧和fastafi

Question

我只是有一个数据帧和一个fasta文件，如果seq_id在我的fasta文件中，我只需要在数据帧中保留行（或创建一个新的行）

以下是一个例子：

数据帧：

seq_1    seq_2      GC       Length
seq1     seq2       68       15561
seq4     seq3       89       567
seq9     seq90      45       789
seq97    seq43      56       458
seq45    seq9       67       900

快速文件：

>seq9 
ACTG
>seq97 
ACTG
>seq1
ACTG

并获得一个新的df，例如：

seq_1    seq_2      GC       Length
seq1     seq2       68       15561
seq9     seq90      45       789
seq97    seq43      56       458

谢谢你的帮助：）

Answer 1

1. 将fastafile中的行读入字符串列表fasta_lines
2. 通过seq_list = [s for s in fasta_lines if s.startswith('>')]从fasta_lines筛选序列名
3. 使用seq_list过滤器过滤数据帧中的行：dataframe = dataframe[dataframe['seq_1'].isin(seq_list) || dataframe['seq_2'].isin(seq_list)]
4. 检查是否dataframe.shape[0] == 0因此新数据帧中没有行，根据解析fastafile的逻辑追加新行

这个答案需要一些代码检查，可能在您指定处理fastafile的逻辑之后