批量过滤多CSV文件行时出现KeyError: 'gene'错误求助

核心错误原因 #

你脚本里犯了一个关键错误：用delimiter='\t'（制表符分隔）读取CSV文件——CSV默认是逗号分隔的，这会导致pandas把整行内容当成单独一列，自然找不到名为gene的列，直接触发KeyError。

修正后的脚本 #

# 只保留目标基因并覆盖原CSV文件
import os
import glob
import pandas as pd

path = '/Users/adriana/Library/Documents/raw_data'
all_files = glob.glob(os.path.join(path, "*.csv"))
genes = ["mmp2", "mmp9"]

for file in all_files:
    # 用CSV默认的逗号分隔读取，不要用tab
    df = pd.read_csv(file)
    # 可选：调试用，快速定位异常文件
    if 'gene' not in df.columns:
        print(f"文件 {file} 中未找到'gene'列，跳过")
        continue
    cleaned = df[df['gene'].isin(genes)]
    # 写入时去掉索引列，避免额外添加无用列
    cleaned.to_csv(file, index=False)

额外排查点（若修正后仍报错） #

• 列名大小写问题：检查文件列名是gene还是Gene/GENE，可以读取后打印df.columns确认，再对应调整筛选时的列名。
• 列名含空格：如果列名前后有空格（比如 gene或gene ），先清理列名：

  df.columns = df.columns.str.strip()
  

• 分隔符不统一：部分CSV可能用分号（;）作为分隔符，需指定sep=';'读取。

内容的提问来源于stack exchange，提问作者Adriana