用途：datamol 是面向分子化学信息学的 Python 库，在 RDKit 之上提供轻量、Pythonic 的抽象层与合理默认值，用于标准药物发现流程中的分子处理与分析。所有分子对象均为原生 rdkit.Chem.Mol，兼容 RDKit 生态。
主要能力：分子格式转换（SMILES、SELFIES、InChI）；结构标准化与净化；分子描述符与指纹；3D 构象生成与分析；聚类与多样性选择；骨架与片段分析；化学反应应用；可视化与对齐；批量并行处理；通过 fsspec 支持云存储。
安装：conda install -c conda-forge datamol 或 pip install datamol；导入约定为 import datamol as dm。
用法要点：用 dm.to_mol 解析 SMILES（失败返回 None），dm.to_smiles/to_inchi/to_selfies 转换格式；对外部数据建议 dm.standardize_mol 标准化；dm.read_sdf/read_smi/read_csv/read_excel/open_df 读取文件，dm.to_sdf/to_smi/to_xlsx 写出；dm.descriptors.compute_many_descriptors 与 batch_compute_many_descriptors 计算描述符；dm.to_fp 生成指纹，dm.pdist/cdist 计算相似度距离；dm.cluster_mols 做 Butina 聚类，dm.pick_diverse/pick_centroids 做多样性选择；dm.to_scaffold_murcko 提取骨架；dm.fragment.brics/recap 片段化；dm.conformers.generate 生成 3D 构象并支持聚类与 SASA；dm.viz.to_image 可视化；dm.reactions.apply_reaction 应用反应。多数批处理函数支持 n_jobs（-1 为全部 CPU）与 progress 参数。
适用场景：化合物库清洗与标准化、描述符计算与成药性过滤、相似性搜索与虚拟筛选、聚类与多样性挑选、骨架/SAR 分析、机器学习数据集的骨架切分、构象分析、批量可视化。
限制：Butina 聚类需构建完整距离矩阵，适合约 1000 个分子量级，不适用于上万级；无效 SMILES 解析结果为 None，需显式检查；其他收费、价格、平台等信息暂未提供。