RDKit | 基于PCA探索化学空间

                     基于主成分分析和聚类探索化学空间

 PCA ：Principal Component Analysis

分析化合物数据库，发现它们之间的共享描述符（物理化学特性）。

1. 导入库

import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import gridspec

from rdkit import Chem, DataStructs
from rdkit.Chem import Descriptors,Crippen

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

import matplotlib.cm as cm
from sklearn.metrics import silhouette_samples, silhouette_score
from sklearn.cluster import KMeans

2. 载入分子数据

该库包含超过10 000 000个SMILES。 可以将.smiles文件作为文本文件读取，将10000个分子保存在pandas中。