如何将元组字典映射到DataFrame多列以重编号PDB残基

我来帮你搞定这个PDB残基编号映射的问题！你的思路方向其实没错，只是在多列组合成字典键和映射后的值拆分这两步需要调整细节，下面是具体的实现方案：

步骤1：准备数据 #

先把你给出的示例数据和映射字典初始化好：

import pandas as pd

# 初始化原DataFrame
d = {'ATOM' : [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12], 
     'residue_number' : [2, 2, 2, 3, 3, 3, 3, 3, 3, 5, 5, 5], 
     'insertion' : ['', '', '', '', '', '', 'A', 'A', 'A', '', '', '']}
df = pd.DataFrame(data=d)

# 初始化映射字典
my_dict = {(2,): 1, (3,): 2, (3, 'A') : 3, (5, ) : (4, 'A') }

步骤2：生成匹配字典的键元组 #

核心是把residue_number和insertion两列组合成与字典键格式完全一致的元组：

• 当insertion为空字符串时，生成单元素元组（比如(2,)）
• 当insertion有值时，生成双元素元组（比如(3, 'A')）

代码实现：

# 生成用于匹配字典的键元组
df['key'] = df.apply(
    lambda row: (row['residue_number'],) if row['insertion'] == '' else (row['residue_number'], row['insertion']),
    axis=1
)

步骤3：根据字典映射获取新值 #

用生成的键元组去匹配字典，得到对应的新编号/插入码组合：

# 映射得到新的编号组合
df['new_values'] = df['key'].map(my_dict)

步骤4：拆分映射结果为目标列 #

映射后的结果有两种类型：单个整数（对应插入码为空）或双元素元组（对应有插入码），我们需要把它们拆分成新的residue_number和insertion列：

# 拆分结果为目标列
df[['new_residue', 'new_insertion']] = df['new_values'].apply(
    lambda x: pd.Series([x, '']) if isinstance(x, int) else pd.Series(x)
)

步骤5：整理最终DataFrame #

替换原列并清理临时列，调整回你需要的列顺序：

# 替换原列并清理临时列
df = df.drop(columns=['key', 'new_values', 'residue_number', 'insertion'])
df = df.rename(columns={'new_residue': 'residue_number', 'new_insertion': 'insertion'})
# 调整列顺序与原表一致
df = df[['ATOM', 'residue_number', 'insertion']]

最终输出 #

运行完上述代码后，你会得到期望的结果：

ATOM  residue_number insertion
0      1               1          
1      2               1          
2      3               1          
3      4               2          
4      5               2          
5      6               2          
6      7               3          
7      8               3          
8      9               3          
9     10               4         A
10    11               4         A
11    12               4         A

思路总结 #

你之前尝试的mapping和multiindex方向是对的，只是没精准匹配字典的键格式，也没处理映射后的值类型差异。这个方案的核心是：

1. 把两列数据转换成与字典键完全一致的元组格式
2. 针对映射结果的不同类型（整数/元组）做拆分处理

内容的提问来源于stack exchange，提问作者Drewaight