Python 如果（微笑）字符串中的字母不是元素列表中的字母，则筛选行

问题

如果字符串中的任何字母（原子）对大写字母不敏感，来自元素的数据帧

H、He、Li、Be、B

，如何过滤掉SMILES字符串？这是一个被截断的列表，其中有80个

背景

我有一个包含字符串的数据库：

简化分子输入行输入系统（SMILES）是一种线符号形式的规范，用于使用短ASCII字符串描述化学物种的结构

（更多信息）

其目的是从数据库中去除稀有元素和有机金属

我从一个字符串开始，在进入数据帧之前测试代码。我编写循环来测试字符串中的字符

strings = "[O+]#C[Ni-4](C#[O+])(C#[O+])C#[O+]"
list = ['Ni']
for i in list:
    if i in strings:
        print(i)

---

如何在数据帧上迭代并过滤？

对于列表/简化版本，执行相反的操作。使用列表查找字符串中的匹配项

strings = "[O+]#C[Ni-4](C#[O+])(C#[O+])C#[O+]"
list = ['Ni', 'Sc']

for i in list:
    if i in strings:
        print(i)
else:
    print('nah')

> Ni
> nah

要在数据帧上循环，请使用

np.where

df = pd.DataFrame({'smiles': ['sdflk', '[O+]#C[Ni-4](C#[O+])(C#[O+])C#[O+]']})
list = ['Ni', 'Sc']

df['element'] = np.where(df.smiles.str.contains('|'.join(list)), 1, 0) # mark element that contains string in the list as 1, else 0
df[df['element'] == 1] # remove rows that have the element

请注意，当数据帧包含类似于字符串的

Sc1

时，这将是一个问题，其中

S

和

c

实际上是指简单芳环上的硫和碳，而不是钪

Sc

。因此，我们需要一种方法来识别

Sc

，并且只在没有附加数字的情况下识别消极前瞻将在这里帮助我们

df['Sc'] = df['smiles'].str.match('Sc(?!\d)')

---

那么你的问题是什么？您从程序中获得了哪种输出？如果您检查

i

包含的内容，您会发现您的方法有问题：

for i in strings

一次只获取一个字符。@usr2564301谢谢！我根据你的提示写了一个答案