删除字符串中包含除A、C、T、G、N以外的其他字母的行

Question

我对numpy和pandas相当陌生，假设我有一个2D numpy数组，我需要删除第二个值仅包含字母'A'、'C'、'T'、'G'和'N'的所有行

file = 
[['id' 'genome'],
 ['0' 'ATGTTTGTTTTT'],
 ['1' 'ATGTTTGTXXXX'],
 ['2' 'ATGDD2GTTTTT']
]

所以过滤后我可以得到这个

[['id' 'genome'],
 ['0' 'ATGTTTGTTTTT']]

我想对每个字符逐个进行检查的循环执行3次，但当我有500行时，速度太慢了

Answer 1

另一个选项是str.match，模式与@jezrael的答案相同：

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

此外，我们还可以检测str.contains上带否定的非法字符：

# [^ACTGN] detects any characters that are not ACTGN
df = df[~df['genome'].str.contains('[^ACTGN]')]