我看了你这段代码，发现几个关键问题导致你没法成功把ID_REF替换成ENTREZ_GENE_ID，咱们一步步来修正：

1. 先修正基础数据赋值的错误 #

你现在把gse1.phenotype_data同时赋值给了gse2.gsm和gse3.gsm，这会让后两个数据集的样本数据完全错乱，应该分别使用各自GSE对象的表型数据：

# 修正样本数据赋值
gse1.gsm = gse1.phenotype_data
gse2.gsm = gse2.phenotype_data  # 原来误用了gse1的表型数据，现在改成gse2自己的
gse3.gsm = gse3.phenotype_data  # 同理改为gse3自身的表型数据

2. 利用GPL注释表实现ID映射 #

替换ID_REF的核心是拿到GPL文件里的探针（ID_REF）和ENTREZ_GENE_ID的对应关系，GEOparse已经把GPL的注释存在gpl.table里了，咱们需要先提取这个映射关系，再和表达矩阵合并。

以GSE99039（GPL570）为例，步骤如下：

步骤1：提取GPL的注释映射 #

首先从GPL表中筛选出需要的列，注意有些探针可能对应多个基因，或者没有对应的ENTREZ ID，需要做简单清洗：

# 处理GSE99039的GPL注释
gpl570 = gse1.gpls['GPL570'].table
# 提取ID_REF和ENTREZ_GENE_ID，过滤掉空值的行
gene_mapping = gpl570[['ID_REF', 'ENTREZ_GENE_ID']].dropna(subset=['ENTREZ_GENE_ID'])
# 处理一个探针对应多个基因的情况（比如用逗号分隔的，这里取第一个基因ID）
gene_mapping['ENTREZ_GENE_ID'] = gene_mapping['ENTREZ_GENE_ID'].str.split(',').str[0]

步骤2：将表达矩阵与映射表合并 #

把你之前过滤后的表达矩阵和这个映射表合并，然后替换索引为ENTREZ_GENE_ID，同时处理重复的基因ID（比如取平均值合并）：

# 修正索引方式：用loc替代已弃用的ix
samples = gse1.pivot_samples("VALUE").loc[expressed_probes]

# 合并表达矩阵和基因映射表
samples_with_gene = samples.merge(gene_mapping, left_index=True, right_on='ID_REF')

# 设置索引为ENTREZ_GENE_ID，移除多余的ID_REF列
samples_with_gene = samples_with_gene.set_index('ENTREZ_GENE_ID').drop('ID_REF', axis=1)

# 合并同一ENTREZ ID对应的多个探针数据（取平均值）
samples_final = samples_with_gene.groupby(level=0).mean()

3. 完整修正后的代码片段 #

把这些修正整合到你的代码里，针对每个GSE数据集重复类似逻辑即可：

# Import tools
import GEOparse
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# download datasets
gse1 = GEOparse.get_GEO(geo="GSE99039", destdir="C:/Users/Highf_000/PycharmProjects/TFTest")
gse2 = GEOparse.get_GEO(geo="GSE6613", destdir="C:/Users/Highf_000/PycharmProjects/TFTest")
gse3 = GEOparse.get_GEO(geo="GSE72267", destdir="C:/Users/Highf_000/PycharmProjects/TFTest")

# 修正样本数据赋值
gse1.gsm = gse1.phenotype_data
gse2.gsm = gse2.phenotype_data
gse3.gsm = gse3.phenotype_data

# 处理GSE99039的表达矩阵和ID映射
with open("GSE99039_GPL570.csv") as f:
    GSE99039_GPL570 = f.read().splitlines()

pivoted_control_samples = gse1.pivot_samples('VALUE')[GSE99039_GPL570]
pivoted_control_samples_average = pivoted_control_samples.median(axis=1)

# 过滤探针
print("Number of probes before filtering: ", len(pivoted_control_samples_average))
expression_threshold = pivoted_control_samples_average.quantile(0.25)
expressed_probes = pivoted_control_samples_average[pivoted_control_samples_average >= expression_threshold].index.tolist()
print("Number of probes above threshold: ", len(expressed_probes))

# 过滤后的表达矩阵
samples = gse1.pivot_samples("VALUE").loc[expressed_probes]

# 提取GPL注释映射
gpl570 = gse1.gpls['GPL570'].table
gene_mapping = gpl570[['ID_REF', 'ENTREZ_GENE_ID']].dropna(subset=['ENTREZ_GENE_ID'])
gene_mapping['ENTREZ_GENE_ID'] = gene_mapping['ENTREZ_GENE_ID'].str.split(',').str[0]

# 合并并替换ID
samples_with_gene = samples.merge(gene_mapping, left_index=True, right_on='ID_REF')
samples_with_gene = samples_with_gene.set_index('ENTREZ_GENE_ID').drop('ID_REF', axis=1)
samples_final = samples_with_gene.groupby(level=0).mean()

# 现在samples_final的索引就是ENTREZ_GENE_ID了
print(samples_final.head())

关键注意事项 #

• 不同GPL平台的注释列名可能有差异（比如有些用Entrez_Gene_ID大小写不同），可以先通过print(gpl.table.columns)确认列名。
• 处理多基因对应单探针的情况时，除了取第一个，你也可以根据需求选择丢弃这类探针或保留所有基因。
• 避免使用已弃用的ix索引方法，改用loc（标签索引）或iloc（位置索引）。

内容的提问来源于stack exchange，提问作者Chad Highfill