★ SMILES与分子图像的转换代码、多核心将csv中的smiles转为image

1、将一个SMILES转为图像：

A：imagemol如何处理的？（推荐做训练啥的用）

（不太好，因为线太宽，然后原子和键之间的间隙太小）

不过，大多数人都是用的这种方式做的，最好我也是这样

from rdkit import Chem
from rdkit.Chem import Draw

smiles = "CCO"
mol = Chem.MolFromSmiles(smiles)
img = Draw.MolsToGridImage([mol], molsPerRow=1, subImgSize=(256, 256))
img.save("data//1.png")

 B：另外一种处理方式（推荐自己看着用）

from rdkit import Chem
from rdkit.Chem.Draw import rdMolDraw2D

def loadSmilesAndSave(opt_smiles, opt_img_save_path):

    mol = Chem.MolFromSmiles(opt_smiles)
    drawer = rdMolDraw2D.MolDraw2DCairo(256, 256)
    opts = rdMolDraw2D.MolDrawOptions()
    # 设置杆的粗细
    opts.bondLineWidth = 3
    # 设置字母的大小
    opts.minFontSize = 15
    # 设置字母与杆的间距
    opts.additionalAtomLabelPadding = 0.2

    drawer.SetDrawOptions(opts)
    rdMolDraw2D.PrepareAndDrawMolecule(drawer, mol)
    drawer.FinishDrawing()

    drawer.WriteDrawingText(opt_img_save_path)


opt_img_save_path = "./data/test.png"
opt_smiles = "CC1C=CC=CC1NC(=O)OCC2=C(OC(=C2)[O-])C"

loadSmilesAndSave(opt_smiles, opt_img_save_path)

其他用法：

其中具体的使用方法看：MolDrawOptions() 这个库中，直接在pycharm中点进去，然后搜索“bondLineWidth ”就可以看到很多的参数：

RDKit|使用MolDraw2DCairo模块绘制分子_最会设计的科研狗的博客-CSDN博客_rdkit画分子

2、多核心将csv中的smiles转为image

import argparse
import os
import pandas as pd
from tqdm import tqdm
from rdkit import Chem
from multiprocessing import Pool, cpu_count
from rdkit.Chem import Draw
import shutil
import logging

"""
当图片数量达到百万级时，单一文件夹内文件过多，文件系统索引效率会大幅下降，导致文件读写变慢。
改为每处理200万个文件的时候就换一个子文件夹储存，最终将所有的子文件夹合并在一个主文件夹内，并将所有的子文件夹删除

python utils/smiles2Image_MutiKernel_mutiDir.py \
--csvname data/XXXdata_property_clean.csv \
--outputImageDir data/XXX/images \
--theCsvFirstLineSMILES canonical_smiles --smilesName mol_index

"""

# 配置日志
logging.basicConfig(filename='error_log.txt', level=logging.ERROR)

def draw_molecule(data):
    smiles, name, args, sub_folder_path = data
    try:
        filename = f"{name}.png"
        output_img_path = os.path.join(sub_folder_path, filename)

        mol = Chem.MolFromSmiles(smiles)
        img = Draw.MolToImage(mol, size=(args.theOutputImageResolution, args.theOutputImageResolution))
        img.save(output_img_path)

    except Exception as e:
        logging.error(f"Error processing {name} with SMILES {smiles}: {e}")

def main():
    parser = argparse.ArgumentParser(description='csv2image')
    parser.add_argument('--dataroot', type=str, default="./", help='data root')
    parser.add_argument('--csvname', type=str, default="top50.csv", help='The name of CSV')
    parser.add_argument('--smilesName', type=str, default="imageName", help='Smiles的名字，一般会有一列给出这个smiles叫什么，例如1,2,3')
    parser.add_argument('--outputImageDir', type=str, default="../data/")
    parser.add_argument('--theCsvFirstLineSMILES', type=str, default="smiles", help='CSV你要转换的列名')
    parser.add_argument('--theOutputImageResolution', type=int, default=256)
    parser.add_argument('--max_files_per_folder', type=int, default=1000000)

    args = parser.parse_args()
    csv_file_path = os.path.join(args.dataroot, args.csvname)
    main_output_dir = os.path.join(args.dataroot, args.outputImageDir)

    if not os.path.exists(main_output_dir):
        os.makedirs(main_output_dir)

    df = pd.read_csv(csv_file_path)
    smiles_values = df[args.theCsvFirstLineSMILES].values
    smiles_names = df[args.smilesName].values

    # 每个子文件夹最多存储200万个文件
    max_files_per_folder = args.max_files_per_folder
    total_files = len(smiles_values)
    folder_count = (total_files // max_files_per_folder) + 1

    data = []
    for idx, (smiles, name) in enumerate(zip(smiles_values, smiles_names)):
        sub_folder_idx = idx // max_files_per_folder
        sub_folder_path = os.path.join(main_output_dir, f"sub_folder_{sub_folder_idx}")
        if not os.path.exists(sub_folder_path):
            os.makedirs(sub_folder_path)
        data.append((smiles, name, args, sub_folder_path))

    pool_size = cpu_count()
    with Pool(pool_size) as pool:
        for _ in tqdm(pool.imap_unordered(draw_molecule, data), total=len(data)):
            pass

    # 处理完毕后，将所有子文件夹内的文件移动到主文件夹，并删除子文件夹
    print("正在合并文件夹...")
    for sub_folder_idx in range(folder_count):
        sub_folder_path = os.path.join(main_output_dir, f"sub_folder_{sub_folder_idx}")
        for file_name in os.listdir(sub_folder_path):
            shutil.move(os.path.join(sub_folder_path, file_name), os.path.join(main_output_dir, file_name))
        # 删除子文件夹
        os.rmdir(sub_folder_path)

    print("所有图片处理完成，子文件夹已经合并并删除。")

if __name__ == '__main__':
    main()

对于这种在线网址的我们可以写一个脚本，让它批量的自动执行，如何自动执行？：从图片中（批量）提取化学/分子结构——使用python进行批量提取（代码示例）_鸾镜朱颜暗换的博客-CSDN博客