将CSV转为TSV时保留基因行名的问题及解决诉求

为什么基因变成了名为"X"的列？ #

你的原始CSV文件第一列（基因名）的表头是空值，read.csv()默认会把没有列名的第一列识别为普通数据列，自动命名为"X"，同时给数据框生成数字序号作为行名。再加上你后续用write.table时设置了row.names=FALSE，保存TSV时数字行名被丢弃，而原本的基因名就以"X"列的形式保留了下来。

解决方案 #

1. 直接在CSV转TSV阶段正确处理（推荐） #

修改最初的转换代码，读取CSV时指定第一列为行名，保存TSV时保留行名：

folder_path <- "/original/folder/path"
csv_files <- list.files(path=folder_path, pattern="^tpm.*\\.csv$", full.names=TRUE)

new_TSV_files_path <- "/new/folder/path/"

lapply(csv_files, function(file) {
  # 读取时指定第一列为行名，避免生成"X"列
  data <- read.csv(file, stringsAsFactors=FALSE, fill=TRUE, row.names=1)
  
  filename <- basename(file)
  filename <- sub(".csv$", "", filename)
  
  new_file_path <- file.path(new_TSV_files_path, paste0(filename, ".txt"))
  
  # 保存时保留行名，不添加引号
  write.table(data, 
              file=new_file_path, 
              sep="\t", 
              row.names=TRUE, 
              quote=FALSE)
})

核心逻辑是read.csv(..., row.names=1)，它会把CSV的第一列直接设为数据框的行名，读取后的数据框里不会出现多余的"X"列；保存时row.names=TRUE会将基因名作为行名写入TSV的第一列，完全符合在线工具的要求。

2. 修复已生成的错误TSV文件 #

如果已经转换出了带"X"列的TSV文件，可以用以下代码批量修正：

new_TSV_files_path <- "/tsv/files/path/"
# 注意匹配你的文件后缀，是.txt还是.tsv
file_list <- list.files(path=new_TSV_files_path, pattern="^tpm.*\\.txt$", full.names=TRUE)

for (file_path in file_list) {
  dt <- fread(file_path, data.table=FALSE)
  # 将"X"列的值设为行名
  rownames(dt) <- dt$X
  # 删除"X"列
  dt <- dt[, setdiff(names(dt), "X")]
  
  # 保存修正后的数据，保留行名
  fwrite(dt, file_path, sep="\t", row.names=TRUE, quote=FALSE)
}

这里用列名X定位目标列，比用索引更稳妥；修正后保存时同样设置row.names=TRUE，确保基因名以行名形式存在。

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