如何将pdb文件转换为可供pandas处理的csv文件

两种经过验证的可直接运行的方案，按需选择即可。

方案1：Biopython解析（推荐，适配所有标准PDB） #

这个方案兼容性最好，不会出现列错位、字段解析错误的问题，适合学位论文这类对数据准确性要求高的场景。

• 先安装依赖：
  pip install biopython pandas
• 运行以下代码，替换代码里的输入PDB路径即可：

  from Bio.PDB import PDBParser
  import pandas as pd
  
  # 初始化解析器，屏蔽非关键格式警告
  parser = PDBParser(QUIET=True)
  # 替换为你的本地PDB文件路径
  structure = parser.get_structure("target_structure", "your_input_file.pdb")
  
  atom_data = []
  # 遍历结构层级提取需要的字段，可按需增减字段
  for model in structure:
      for chain in model:
          for res in chain:
              for atom in res:
                  atom_data.append({
                      "chain": chain.id,
                      "residue_name": res.get_resname(),
                      "residue_number": res.get_id()[1],
                      "atom_name": atom.get_name(),
                      "element": atom.element,
                      "x": atom.coord[0],
                      "y": atom.coord[1],
                      "z": atom.coord[2],
                      "occupancy": atom.get_occupancy(),
                      "b_factor": atom.get_bfactor()
                  })
  
  # 直接生成pandas可处理的DataFrame，同时导出为CSV
  df = pd.DataFrame(atom_data)
  df.to_csv("pdb_converted.csv", index=False)
  

提取的字段包含链ID、残基信息、原子三维坐标、占有率、温度因子等结构研究常用字段，可根据自己的分析需求增删字典里的键值对。

方案2：无额外依赖轻量方案（仅适配严格符合格式规范的PDB） #

如果不想安装Biopython，且你手里的PDB是从官方结构库下载的标准格式文件，可以直接用pandas的固定宽度读取功能解析：

import pandas as pd

# PDB ATOM/HETATM行的固定列宽与对应字段名，遵循PDB v3.3格式标准
col_specs = [
    (0,6), (6,11), (12,16), (16,17), (17,20), (21,22), (22,26), (26,27),
    (30,38), (38,46), (46,54), (54,60), (60,66), (76,78)
]
col_names = [
    "record_type", "atom_serial", "atom_name", "alt_loc", "residue_name",
    "chain_id", "residue_number", "icode", "x", "y", "z", "occupancy",
    "b_factor", "element"
]

df = pd.read_fwf(
    "your_input_file.pdb",
    colspecs=col_specs,
    names=col_names
)
# 过滤掉文件头、注释等非原子记录行
df = df[df["record_type"].isin(["ATOM  ", "HETATM"])]
df.to_csv("pdb_converted.csv", index=False)

注意：该方案对格式容错性差，不要用于解析分子动力学模拟输出的自定义PDB、手动修改过列对齐的PDB文件，否则会出现坐标错位、字段匹配错误的问题。

常见避坑提示 #

• 不要直接用pd.read_csv加空格分隔符读取PDB：PDB是固定列宽格式，原子名、残基名内允许存在空格，用分隔符读取必然出现列错位
• 导出CSV时务必加index=False参数，避免写入无意义的pandas默认行索引
• 若需要提取PDB文件头的实验分辨率、配体信息、二硫键连接等特殊内容，必须使用专门的结构解析库，不要自行编写正则表达式匹配，容易遗漏格式边界情况

内容的提问来源于stack exchange，提问作者Hartree42