Python循环删除Pandas DataFrame行时计数不符问题求助

核心问题1：错误使用SequenceMatcher计算A碱基占比 #

你用difflib.SequenceMatcher.ratio()计算的是序列对齐相似度，不是A碱基在序列中的实际占比。这个方法的计算公式是2*匹配字符数/(序列1长度+序列2长度)，和你需要的「A的数量/序列总长度」完全不是一个逻辑，会导致判断标准偏离需求。

核心问题2：循环删除行的逻辑缺陷 #

你基于原file的长度循环，但在循环中对sequences执行inplace=True的删除操作，会导致后续的索引匹配混乱——比如删除索引0的行后，sequences的结构已经改变，但循环仍按原file的行数继续，可能出现重复删除或漏删的情况，而且这种逐行循环的方式处理大型DataFrame效率极低。

正确解决方案 #

直接统计每个序列中A的数量占总长度的比例，用Pandas的矢量化操作筛选行，既准确又高效：

方法1：分步计算（更直观） #

# 计算每行序列中A碱基的占比
file['A_ratio'] = file['Sequence'].apply(lambda seq: seq.count('A') / len(seq))
# 筛选出A占比≤80%的行，只保留Sequence列
filtered_sequences = file[file['A_ratio'] <= 0.80][['Sequence']]

方法2：一步完成（更简洁） #

# 直接筛选，无需新增列
filtered_sequences = file[
    file['Sequence'].apply(lambda seq: seq.count('A') / len(seq) <= 0.80)
][['Sequence']]

验证结果 #

针对你提供的测试数据：

• 前4行序列的A占比分别是100%、96%、96%、96%，都会被过滤
• 后3行的A占比均低于80%，会被保留
  最终筛选结果符合预期。

内容的提问来源于stack exchange，提问作者Denise Lavezzari