使用Python将VCF文件转换为CSV时遇到问题求助

针对PyVCF的SyntaxError问题 #

你提到第4行注释语法错误，大概率是代码里的注释写法不符合Python规范，或是代码逻辑存在语法疏漏（比如误将VCF文件里的##注释直接写入Python代码、用了//这类非Python注释符号、引号未闭合等）。给你一段正确的PyVCF读取并转CSV的示例代码，注意注释统一用#开头：

import vcf
import csv

vcf_path = 'C:/Users/lazra/Downloads/300C_filtered_snps_final.ann (1).vcf'
csv_path = 'output.csv'

# 初始化VCF读取器
reader = vcf.Reader(open(vcf_path, 'r'))

# 打开CSV文件准备写入
with open(csv_path, 'w', newline='') as csvfile:
    writer = csv.writer(csvfile)
    # 写入表头：VCF固定字段 + 样本字段
    headers = ['CHROM', 'POS', 'ID', 'REF', 'ALT', 'QUAL', 'FILTER', 'INFO'] + reader.samples
    writer.writerow(headers)
    # 遍历每个变异位点并写入数据
    for record in reader:
        fixed_fields = [record.CHROM, record.POS, record.ID, record.REF, ','.join(record.ALT), record.QUAL, record.FILTER, record.INFO]
        sample_data = [call['GT'] for call in record.samples]
        writer.writerow(fixed_fields + sample_data)

如果仍报语法错误，优先检查代码缩进、引号闭合情况，确保所有注释用#开头。

针对pandas的解析错误与KeyError问题 #

VCF文件结构特殊：开头是大量##开头的元信息行，随后是#开头的表头行，数据行用制表符分隔。直接调用read_csv会把元信息读成数据，导致解析异常。正确的读取方式如下：

import pandas as pd

vcf_path = 'C:/Users/lazra/Downloads/300C_filtered_snps_final.ann (1).vcf'
csv_path = 'output_pd.csv'

# 跳过所有##开头的元信息行，用#开头的行作为表头，指定制表符分隔
df = pd.read_csv(vcf_path, sep='\t', comment='##', header=0)
# 移除表头字段名前的#符号（比如#CHROM改为CHROM）
df.columns = df.columns.str.lstrip('#')
# 写入CSV
df.to_csv(csv_path, index=False)

你之前遇到的ParserError是因为未跳过##元信息行；KeyError:1则是误用索引取列，pandas默认用列名索引，改用df['CHROM']这类列名调用即可解决。

针对unvcf的文档问题 #

unvcf的Python API文档确实不够完善，更推荐用命令行方式直接调用（若已安装）：

unvcf -i "C:/Users/lazra/Downloads/300C_filtered_snps_final.ann (1).vcf" -o output_unvcf.csv

若一定要用Python调用，可参考其命令行参数逻辑传入参数，但整体可靠性不如前面两种方案。

更高效的替代方案：cyvcf2 #

cyvcf2是性能更优的VCF处理库，读写效率更高，代码示例如下：

import cyvcf2
import csv

vcf_path = 'C:/Users/lazra/Downloads/300C_filtered_snps_final.ann (1).vcf'
csv_path = 'output_cyvcf2.csv'

vcf = cyvcf2.VCF(vcf_path)
headers = ['CHROM', 'POS', 'ID', 'REF', 'ALT', 'QUAL', 'FILTER', 'INFO'] + vcf.samples

with open(csv_path, 'w', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(headers)
    for record in vcf:
        alt = ','.join(record.ALT) if record.ALT else '.'
        info = ';'.join([f"{k}={v}" for k, v in record.INFO.items()])
        fixed_fields = [record.CHROM, record.POS, record.ID, record.REF, alt, record.QUAL, record.FILTER, info]
        sample_data = [record.genotype(s)['GT'] for s in vcf.samples]
        writer.writerow(fixed_fields + sample_data)

内容的提问来源于stack exchange，提问作者laze03