如何将字符串拆分为字符并用浮点值替换字符以在 Python 中找到原始字符串的总和？

Question

嗨，

这里是python的新手。

我有超过 10,000 个表示肽序列的字符串。字符串中的每个字母都是一个氨基酸，我想在用预定义的浮点值（范围从 -1 到 -2）替换每个字母后计算字符串的“净总和”。

我被困在从哪里开始循环以使其工作？我有清理字符串的代码，以便删除非字母字符并替换为字典中定义的浮点值（即 W：2.10，G：-1.0）

清理过的肽段，截断为 5 个字符

我想代码是这样的。

我有 6 个数据框可以重复这个过程。

任何帮助将不胜感激！

更新的代码（感谢 SARAH MESSER）

def hydrophobicity_score(peptide):
    hydro = { 
        'A': -0.5,
        'C': -1.0,
        'D': 3.0,
        'E': 3.0,
        'F': -2.5,
        'G': 0.0,
        'H': -0.5,
        'I': -1.8,
        'K': 3.0,
        'L': -1.8,
        'M': -1.3,
        'N': 0.2,
        'P': 0.0,
        'Q': 0.2,
        'R': 3.0,
        'S': 0.3,
        'T': -0.4,
        'V': -1.5,
        'W': -3.4,
        'Y': -2.3,
    }
    hydro_score = [hydro.get(aa,0.0)for aa in peptide]
    return sum(hydro_score)

og_pep['Hydro'] = og_pep['Peptide'].apply(hydrophobicity_score)
og_pep

Answer 1

好的，首先，您不想循环遍历数据框中的行。这些行被设计为并行处理。解决这个问题有点牵强，但是一旦您定义了一些行级操作并将它们应用于大型数据帧，它就会变得更加平滑。 （循环行的问题是速度之一。它有时在调试或玩具问题中很有用，但现代计算硬件试图尽可能地并行计算。数据帧利用这一点来处理所有行，而不是在循环中单独处理它们。）

要进行转换，您需要定义一个自定义函数来对每一行进行操作。然后将该自定义函数传递给数据框，并告诉apply 将该行级函数传递给一列，以生成新列。

所以这里有一个可能的函数来帮助你开始：

def peptide_score(peptide_string):
    '''Returns a numerical score given a sequence of peptide characters.'''
    # Replace the values in this dict (dictionary / map) with whatever values you need
    amino_acid_scores = { 
        'A': 0.1,
        'C': 1.4,
        'G': 0.32342,
        'T': -0.23,
        'U': 74.22
    }
    # This is called a "list comprehension." It's great for transforming sequences.
    score_list = [amino_acid_scores[character] for character in peptide_string]
    return sum(score_list)

# I'm assuming your pre-existing dataframe is called "gluc_dataframe" and that the
# column with your strings is called "Peptide".  Output scores will be stored in a new
# column, "score". Replace those names with whatever fits.
gluc_dataframe['score'] = gluc_dataframe['Peptide'].apply(peptide_score)

如果您有很多要忽略的字符（空格、标点符号等），您可以将列表推导中的 amino_acid_scores[character] 替换为 amino_acid_scores.get(character, 0.0)。

Answer 2

def hydrophobicity_score(peptide):
     hydro = { 
        'A': -0.5,
        'C': -1.0,
        'D': 3.0,
        'E': 3.0,
        'F': -2.5,
        'G': 0.0,
        'H': -0.5,
        'I': -1.8,
        'K': 3.0,
        'L': -1.8,
        'M': -1.3,
        'N': 0.2,
        'P': 0.0,
        'Q': 0.2,
        'R': 3.0,
        'S': 0.3,
        'T': -0.4,
        'V': -1.5,
        'W': -3.4,
        'Y': -2.3,
    }
    hydro_score = [hydro[aa] for aa in peptide]
    return sum(hydro_score)

og_peptide= og_pep['Peptide']
og_peptide = og_peptide.str.replace('\W+','')
og_peptide = og_peptide.str.replace('\d+','')
og_peptide = pd.DataFrame(og_peptide)
og_peptide['Hydro_Score'] = og_peptide.apply(hydrophobicity_score)
og_peptide

我没有得到预期的输出。

Output

Here is og_pep DataFrame