Snakemake如何将两个相似规则合并为单个规则？

你有两个逻辑几乎一致的Snakemake规则，核心差异仅在于输入路径的生成逻辑和输出路径的结构（一个包含dataset+day通配符，另一个用testset通配符），想合并为单个规则但遇到输出路径无法灵活处理的问题，以下是几种解决思路：

方法1：利用lambda函数+通配符存在性判断构建输出路径 #

Snakemake允许在输入/输出中使用lambda函数，结合通配符的存在性来动态生成路径。可以在规则中同时声明所有可能的通配符，然后根据哪些通配符被实际使用来构建输出路径：

rule labels_unified:
    input:
        lambda wildcards: (
            get_predict_data(datadir, wildcards.dataset, wildcards.day)
            if hasattr(wildcards, 'dataset')
            else datadir / config['test_sets'][wildcards.testset]['path']
        )
    output:
        lambda wildcards: (
            dir / 'data' / wildcards.dataset / wildcards.day / 'labels.gz'
            if hasattr(wildcards, 'dataset')
            else dir / 'data' / wildcards.testset / 'labels.gz'
        )
    shell: "zcat {input} | cut -f1 -d '|' | gzip > {output}"

调用这个规则时，只需要明确指定对应的通配符即可：

• 原labels规则的调用：snakemake labels_unified --wildcards dataset=foo day=bar
• 原labels2规则的调用：snakemake labels_unified --wildcards testset=baz

注意：这种方法要求每次调用时只传入一组互斥的通配符（要么传dataset+day，要么传testset），避免冲突。

方法2：使用规则继承简化重复代码 #

如果不想完全合并为单个规则，也可以用Snakemake的规则继承特性，把公共的shell命令抽出来作为基础规则，子规则只定义差异的输入输出：

rule labels_base:
    shell: "zcat {input} | cut -f1 -d '|' | gzip > {output}"

rule labels:
    extends: labels_base
    input: lambda wildcards: get_predict_data(datadir, wildcards.dataset, wildcards.day)
    output: dir / 'data' / '{dataset}' / '{day}' / 'labels.gz'

rule labels2:
    extends: labels_base
    input: lambda wildcards: datadir / config['test_sets'][wildcards.testset]['path']
    output: dir / 'data' / '{testset}' / 'labels.gz'

这种方式既减少了代码重复，又保留了原规则的清晰结构，适合需要区分两种场景的情况。

方法3：引入统一的通配符+配置映射 #

可以定义一个统一的通配符（比如group），然后在配置中维护group到具体参数的映射，让规则通过这个映射来生成输入输出路径：

首先在config.yaml中添加映射：

groups:
    foo_bar:
        type: predict
        dataset: foo
        day: bar
    baz_test:
        type: test
        testset: baz

然后规则中使用这个映射：

rule labels_unified:
    input:
        lambda wildcards: (
            get_predict_data(datadir, config['groups'][wildcards.group]['dataset'], config['groups'][wildcards.group]['day'])
            if config['groups'][wildcards.group]['type'] == 'predict'
            else datadir / config['test_sets'][config['groups'][wildcards.group]['testset']]['path']
        )
    output:
        lambda wildcards: (
            dir / 'data' / config['groups'][wildcards.group]['dataset'] / config['groups'][wildcards.group]['day'] / 'labels.gz'
            if config['groups'][wildcards.group]['type'] == 'predict'
            else dir / 'data' / config['groups'][wildcards.group]['testset'] / 'labels.gz'
        )
    shell: "zcat {input} | cut -f1 -d '|' | gzip > {output}"

调用时只需指定group：snakemake labels_unified --wildcards group=foo_bar

这种方法适合场景较多、需要统一管理的情况，规则本身更简洁。

内容的提问来源于stack exchange，提问作者Pida