使用sc.read_10x_mtx读取10x矩阵数据时遇TypeError错误求助

这个错误的核心原因是：你的基因名（gene_symbols）中存在重复项，且部分重复的基因名是数值类型（float），当anndata.utils.make_index_unique自动给重复名添加后缀（如-1）时，会尝试将数值与字符串拼接，触发类型不匹配错误。

以下是具体解决步骤：

• 第一步：排查基因名的类型和重复情况
  先不指定var_names='gene_symbols'读取数据，确认基因列的类型：

  adata = sc.read_10x_mtx('filtered_feature_bc_matrix_folder/', cache=True)
  # 查看gene_symbols列的前几行数据
  print(adata.var['gene_symbols'].head())
  # 检查该列的数据类型
  print(adata.var['gene_symbols'].apply(type).unique())
  

• 第二步：统一基因名为字符串类型后手动去重
  先读取原始数据，将所有基因名转为字符串，再设置为var_names并去重：

  # 读取原始数据（用gene_ids作为默认索引）
  adata_raw = sc.read_10x_mtx('filtered_feature_bc_matrix_folder/', cache=True)
  # 将gene_symbols转为字符串，同时处理空值（如果存在）
  adata_raw.var['gene_symbols'] = adata_raw.var['gene_symbols'].astype(str).fillna('unknown_gene')
  # 设置索引为处理后的基因名
  adata_raw.var_names = adata_raw.var['gene_symbols']
  # 手动执行去重操作
  adata_raw.var_names_make_unique()
  

• 第三步：验证处理结果
  确认索引无重复且类型正确：

  # 检查重复索引数量
  print(adata_raw.var_names.duplicated().sum())
  # 查看处理后的基因名
  print(adata_raw.var_names.head())
  

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