尝试使用df.merge时出错：“您试图在对象列和int64列上合并”

Question

我目前正在编写一个程序，该程序接受化学化合物的标识符(称为CID号)，然后使用pubchempy文档返回化合物的属性。

但是，当我试图将从pubchempy获得的数据值合并到初始数据库时，我仍然会得到一个错误。

这是我现在编写的代码：

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(labels='reference', axis=1)
df = df.drop(labels='group', axis=1)
df = df.drop(labels='comments', axis=1)
df = df.drop(labels='compound_name', axis=1)

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

df = df.merge(df2)

print(df)

但是，我收到一条错误信息，上面写着，

ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat

有人知道怎么解决这个问题吗？

几行文本文件(数据文件)：

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   

df2输出的几行代码：

        CID MolecularWeight  HBondDonorCount  HBondAcceptorCount  RotatableBondCount
0      5339           398.4                3                   9                   6
1      3889           520.5                4                  13                   9
2      2788          305.50                1                   2                   0
3   1422517           440.5                0                   8                   4
4  18595497           461.5                5                  10                   3

Answer 1

您似乎希望合并CID列上的两个数据文件。CID列类型df2是int，需要将其更改为对象以匹配df中的CID类型。

df = df.merge(df2.astype({'CID': str}), on='CID')