删除不包含特定文本的行

Question

我有一个表格文件，如下所示：

query_name      KEGG_KOs
PROKKA_00013    NaN
PROKKA_00015    bactNOG[38]
PROKKA_00017    NA|NA|NA
PROKKA_00019    K00240
PROKKA_00020    K00246
PROKKA_00022    K02887

如果第2列（“KEGG_KOs”）不是以“K0”开头，我将尝试创建一个脚本来遍历并删除整行。我正在尝试创建以下输出：

query_name     KEGG_KOs
PROKKA_00019    K00240
PROKKA_00020    K00246
PROKKA_00022    K02887

以前的回复提到人们使用熊猫数据框，但我没有运气使用这些回复来帮助他们。任何人都将不胜感激，干杯

我试过了（但这只隔离了一个特定的K0线）

df = pd.read_csv("eggnog.txt", delimiter="\t", names=["#query_name", "KEGG_KOs"])
print(df.loc[df['KEGG_KOs'] == 'K00240'])

Answer 1

您可以使用open as read，然后使用write。假设原始文件保存为old.txt，更新后的文件将保存为new.txt

text = ''
with open("old.txt", 'r') as org:
    next(org)
    for line in org:
        data = line.strip().split()
        if data[1].startswith("K0"):
            text = text + data[0] + " "+ data[1] + '\n'

w = open('new.txt', 'w')
w.write("query_name"+" "+ "KEGG_KOs\n")
w.write(text)
w.close()

Answer 2

使用^{}和^{}或^{}和regex作为字符串^和参数na=False的开头，因为缺少值：

df1 = df[df['KEGG_KOs'].str.startswith('K0', na=False)]
print (df1)
     query_name KEGG_KOs
3  PROKKA_00019   K00240
4  PROKKA_00020   K00246
5  PROKKA_00022   K02887

或：

df1 = df[df['KEGG_KOs'].str.contains('^K0', na=False)]