先删除(如果C)和最后一个字母if (F或W)

Question

我想删除的第一个字母，如果它是一个C和最后一个字母，如果它是一个F或W。但当我用：

df1['trimmed_seq'] = df1['seq'].str.strip("CFW")

输入：

    seq
0   CASSAQGTGDRGYTF
1   CASSLVATGNTGELFF
2   CASSKGTVSGLSG
3   CALKVGADTQYF
4   CASSLWASGRGGTGELFF
5   CASSLLGWEQLDEQFF
6   CASSSGTGVYGYTF
7   CASSPLEWEGVTEAFF
8   CASSFWSSGRGGTDTQYF
9   CASSAGQGASDEQFF

输出：

    seq
0   ASSAQGTGDRGYT
1   ASSLVATGNTGEL
2   ASSKGTVSGLSG
3   ALKVGADTQY
4   ASSLWASGRGGTGEL
5   ASSLLGWEQLDEQ
6   ASSSGTGVYGYT
7   ASSPLEWEGVTEA
8   ASSFWSSGRGGTDTQY
9   ASSAGQGASDEQ

我的问题是，例如，对于行'1‘，两个F的末尾被移除，如果序列以CFW结尾，所有这一切都会被删除。

所以我的问题是:是否可以用相同的str.strip函数来解决这个问题？

Answer 1

您可以使用loc操作筛选出所需的行，并使用.str执行字符串格式设置。

mask = (df.seq.str[0] == 'C') 
df.loc[mask, "seq"] = df.loc[mask, "seq"].str[1:]

mask = (df.seq.str[-1] == 'F') | (df.seq.str[-1] == 'W') 
df.loc[mask, "seq"] = df.loc[mask, "seq"].str[:-1]

Answer 2

这是不可能的使用条，因为它没有概念的最大数目的字符要删除。因此，我将使用替换和regex来删除可选前缀和可选后缀：

df['seq'].str.replace(r'^C?(.*?)[FW]?$', r'\1')

如预期的那样：

0       ASSAQGTGDRGYT
1      ASSLVATGNTGELF
2        ASSKGTVSGLSG
3          ALKVGADTQY
4    ASSLWASGRGGTGELF
5      ASSLLGWEQLDEQF
6        ASSSGTGVYGYT
7      ASSPLEWEGVTEAF
8    ASSFWSSGRGGTDTQY
9       ASSAGQGASDEQF
Name: seq, dtype: object