Snakemake中如何让output识别run块内的变量以创建目录

你的代码核心问题在于Snakemake的规则解析顺序：规则的output段在Snakefile加载时就会被执行，而run块里的IDs变量是规则运行阶段才定义的，这就导致解析expand("tissues/{id}", id=IDs)时，IDs还不存在，自然会报错。另外代码里还有output[id]的变量名错误（应该是output[i]）。

正确实现方案 #

方案1：提前在Snakefile开头加载ID列表 #

这是最直接的方式，在规则定义前先读取CSV获取ID，让Snakemake解析output时能拿到变量：

# 在Snakefile最开头添加
import pandas as pd
df = pd.read_csv('exptXXXXX_metadata.csv')
IDs = sorted(set(df['ID']))  # sorted保证输出路径顺序稳定，避免Snakemake误判变化

rule make_directories:
    input: "exptXXXXX_metadata.csv"
    output:
        directories(expand("tissues/{id}", id=IDs))  # directories接受多个路径
    shell:
        "mkdir -p {output}"

方案说明 #

1. 提前加载ID：在Snakefile开头读取CSV并提取唯一ID，这样解析规则output时IDs已经存在。
2. 用mkdir -p批量创建：无需手动循环，{output}会自动展开所有目标路径，-p参数确保目录不存在时创建，已存在时也不会报错（符合Snakemake幂等性要求）。
3. sorted的作用：将ID集合转为有序列表，避免每次运行时输出路径顺序变化导致Snakemake重新执行规则。

如果你需要在run块中自定义逻辑 #

如果必须用run块实现（比如需要额外处理），可以调整为：

import pandas as pd
df = pd.read_csv('exptXXXXX_metadata.csv')
IDs = sorted(set(df['ID']))

rule make_directories:
    input: "exptXXXXX_metadata.csv"
    output:
        directories(expand("tissues/{id}", id=IDs))
    run:
        for dir_path in output:
            shell(f"mkdir -p {dir_path}")

为什么原代码不行 #

1. 变量时机错误：output段的expand在Snakefile加载时执行，run块里的IDs是规则运行时才定义的，两者不在同一阶段，无法识别。
2. 变量名错误：run块中循环变量是i，但代码里写了output[id]，应该是output[i]（不过即使修正这个，第一个问题依然存在）。

内容的提问来源于stack exchange，提问作者user25645294