如何将熊猫的df.get函数用于dataframe列，以使列中的每一行都保持自己的值？

Question

为了尽可能简洁地总结，我有一个数据文件，其中包含化学化合物的列表以及它们的ID号("CID“编号)。我的目标是使用pubchempy的pubchempy.get_properties函数和熊猫的df.map函数来获得每个化合物的属性(每一行有一个化合物)，使用"CID“数字作为标识符。pubchempy.get_properties的参数是一个标识符(本例中为“CID”号)以及您想从pubchem网站获得的化学特性(本例中为分子量)。

这是我目前编写的代码：

import pandas as pd

import pubchempy

import numpy as np

df = pd.read_csv("Data.tsv.txt", sep="\t")

from pubchempy import get_properties

df['CID'] = df['CID'].astype(str).apply(lambda x: x.replace('.0',''))

df['CID'] = df['CID'].astype(str).apply(lambda x: x.replace('0',''))

df = df.drop(df[df.CID=='nan'].index)

df = df.drop( df.index.to_list()[5:] ,axis = 0 )

df['CID']= df['CID'].map(lambda x: get_properties(identifier=x, properties='MolecularWeight') if float(x) > 0 else pd.NA)

df = df.rename(columns={'CID.': 'MolecularWeight'})

print(df)

这是我最初为该列获得的输出(实际上，dataset非常大)：

MolecularWeight

{“CID”：5339，“MolecularWeight”：“398.4”}

{“CID”：3889，“MolecularWeight”：“520.5”}

{“CID”：2788，“MolecularWeight”：“305.50”}

{“CID”：1422517，“MolecularWeight”：'440.5'}

。

。

。

现在，代码有点起作用了，因为它提供了化合物(398.4)的分子量，但我不想要那么多的文字，我也不想在分子量数字周围加上引号(这两种方法都妨碍了我计划编写的下一段代码)。

然后，我添加了这段代码：

df['MolecularWeight'] = df.MolecularWeight[0][0].get('MolecularWeight')

这是我现在得到的输出：

MolecularWeight

398.4

398.4

398.4

398.4

。

。

。

我想要做的几乎是完全一样的，只是不想得到MolecularWeight列中第一行的分子量，而是将它复制到所有其他行，而是将该列中每一行的分子量值作为输出。

我希望得到的是这样的东西：

MolecularWeight

398.4

520.5

305.50

440.5

。

。

。

有人知道我怎么能解决这个问题吗？我花了好几个小时想办法自己解决这个问题，却没有运气。我很感谢你的帮助！

几行文本文件：

NO. compound_name   IUPAC_name  SMILES  CID     Inchi   threshold   reference   group   comments
1   sulphasalazine  2-hydroxy-5-[[4-(pyridin-2-ylsulfamoyl)phenyl]diazenyl]benzoic acid O=C(O)c1cc(N=Nc2ccc(S(=O)(=O)Nc3ccccn3)cc2)ccc1O    5339    InChI=1S/C18H14N4O5S/c23-16-9-6-13(11-15(16)18(24)25)21-20-12-4-7-14(8-5-12)28(26,27)22-17-3-1-2-10-19-17/h1-11,23H,(H,19,22)(H,24,25)      R2|R2|R25|R46|  A   
2   moxalactam  7-[[2-carboxy-2-(4-hydroxyphenyl)acetyl]amino]-7-methoxy-3-[(1-methyltetrazol-5-yl)sulfanylmethyl]-8-oxo-5-oxa-1-azabicyclo[4.2.0]oct-2-ene-2-carboxylic acid   COC1(NC(=O)C(C(=O)O)c2ccc(O)cc2)C(=O)N2C(C(=O)O)=C(CSc3nnnn3C)COC21 3889    InChI=1S/C20H20N6O9S/c1-25-19(22-23-24-25)36-8-10-7-35-18-20(34-2,17(33)26(18)13(10)16(31)32)21-14(28)12(15(29)30)9-3-5-11(27)6-4-9/h3-6,12,18,27H,7-8H2,1-2H3,(H,21,28)(H,29,30)(H,31,32)      R25|    A   
3   clioquinol  5-chloro-7-iodoquinolin-8-ol    Oc1c(I)cc(Cl)c2cccnc12  2788    InChI=1S/C9H5ClINO/c10-6-4-7(11)9(13)8-5(6)2-1-3-12-8/h1-4,13H      R18|R26|R27|    A   

Answer 1

如果您将列强制转换为浮动，这将有助于您：df['MolecularWeight'] = df['MolecularWeight'].astype(float)。

Answer 2

您可能需要从每个CID获得多个属性：

props = ['HBondDonorCount', 'RotatableBondCount', 'MolecularWeight']
df2 = pd.DataFrame(get_properties(identifier=df.CID.to_list(), properties=props))
print(df2)

输出：

    CID HBondDonorCount  RotatableBondCount  MolecularWeight
0  5339           398.4                   3                6
1  3889           520.5                   4                9
2  2788          305.50                   1                0

然后，可以将这些信息合并到原始的dataframe：

df = df.merge(df2)  # df = df.merge(pd.DataFrame(get_properties(identifier=df.CID.to_list(), properties=props)))
print(df)

...

   NO.   compound_name                                         IUPAC_name                                             SMILES   CID                                              Inchi  threshold       reference group  comments MolecularWeight  HBondDonorCount  RotatableBondCount
0    1  sulphasalazine  2-hydroxy-5-[[4-(pyridin-2-ylsulfamoyl)phenyl]...   O=C(O)c1cc(N=Nc2ccc(S(=O)(=O)Nc3ccccn3)cc2)ccc1O  5339  InChI=1S/C18H14N4O5S/c23-16-9-6-13(11-15(16)18...        NaN  R2|R2|R25|R46|     A       NaN           398.4                3                   6
1    2      moxalactam  7-[[2-carboxy-2-(4-hydroxyphenyl)acetyl]amino]...  COC1(NC(=O)C(C(=O)O)c2ccc(O)cc2)C(=O)N2C(C(=O)...  3889  InChI=1S/C20H20N6O9S/c1-25-19(22-23-24-25)36-8...        NaN            R25|     A       NaN           520.5                4                   9
2    3      clioquinol                       5-chloro-7-iodoquinolin-8-ol                             Oc1c(I)cc(Cl)c2cccnc12  2788  InChI=1S/C9H5ClINO/c10-6-4-7(11)9(13)8-5(6)2-1...        NaN    R18|R26|R27|     A       NaN          305.50                1                   0