求助：如何移除括号内数字并将字符串转换为DataFrame？

方法1：修正后的sed命令 #

你之前的sed正则仅匹配了(数字,)的局部场景，无法覆盖单数字、多组数字（比如(-62,-51)）的情况，用以下命令可完整处理：

sed -E 's/\(-?[0-9,-]+\)//g; s/, /\n/g; s/,$//' file.txt > file2.txt

各部分作用：

• s/\(-?[0-9,-]+\)//g：匹配所有包含负号、数字、逗号的(...)内容，全部替换为空
• s/, /\n/g：将逗号加空格的分隔符替换为换行符
• s/,$//：移除文本末尾多余的逗号

方法2：awk工具实现 #

用awk指定多分隔符直接提取基因名：

awk -F '[(), ]+' '{for(i=1;i<=NF;i++){if($i!="") print $i}}' file.txt

原理是将(、)、,、空格都设为分隔符，遍历所有字段并打印非空内容，自动实现每行一个基因名。

方法3：Python脚本（适配DataFrame需求） #

如果后续需要直接生成Pandas DataFrame，用Python更便捷：

import pandas as pd

with open('file.txt', 'r') as f:
    content = f.read().strip()

# 提取基因名列表
gene_list = [gene.split('(')[0] for gene in content.split(', ') if gene]

# 生成DataFrame并保存为文本
df = pd.DataFrame(gene_list, columns=['Gene'])
df.to_csv('gene_list.txt', index=False, header=False)

运行后会直接输出每行一个基因名的文件，也可基于生成的DataFrame做后续分析。

内容的提问来源于stack exchange，提问作者Ayeh Bolouki