如何筛选并打印CSV文件中包含指定序列片段的所有行？

需求说明 #

我有一个包含基因名称和序列的CSV文件，需要实现：

• 接收用户输入的序列片段
• 打印所有序列中包含该片段的行

示例数据（CSV格式，假设表头为Gene和seq）：

Gene,seq
Gene 1,ATGCGGTCTA
Gene 2,ACGCCCATGA
Gene 3,TCGAC

当输入片段GC时，预期输出：

Gene 1   ATGCGGTCTA
Gene 2   ACGCCCATGA

现有代码问题分析 #

你当前的代码存在以下问题：

• 同时混用csv模块和pandas，逻辑冗余
• 将所有序列拼接成单个字符串后查找索引，无法定位到具体的基因行
• 变量名重复（s既用作输入的序列片段，又用作循环变量）
• 缺失最终的筛选和输出逻辑

修正后的代码 #

import pandas as pd

# 读取CSV文件，确保表头正确（比如第一行是Gene,seq）
df = pd.read_csv('DATA.csv')

# 接收用户输入并统一转大写（匹配序列的大小写习惯）
search_type = input('what would you like to search?').lower()
if search_type == 'sequence':
    target_seq = input('Enter sequence : ').upper()
    # 筛选序列列中包含目标片段的行
    filtered_rows = df[df['seq'].str.contains(target_seq)]
    # 打印结果，格式对齐
    for _, row in filtered_rows.iterrows():
        print(f"{row['Gene']:<10} {row['seq']}")

代码说明 #

1. 读取CSV：用pandas.read_csv直接读取文件，无需额外的csv模块
2. 输入处理：将输入的片段转大写，确保和序列的大小写一致（如果你的序列是小写，可改为.lower()）
3. 筛选逻辑：用str.contains()直接在序列列中匹配目标片段，返回符合条件的所有行
4. 输出格式：用格式化字符串对齐基因名称和序列，保证输出美观

注意事项 #

• 确保你的CSV文件第一行是表头（比如Gene,seq），否则需要在read_csv中指定header=None并手动设置列名，例如：

  df = pd.read_csv('DATA.csv', header=None, names=['Gene', 'seq'])
  

• 如果需要忽略大小写匹配，可以修改筛选条件为：

  filtered_rows = df[df['seq'].str.contains(target_seq, case=False)]
  

内容的提问来源于stack exchange，提问作者BScpj