基于列值筛选多TSV文件行并合并为带来源列的DataFrame

先解决你循环报错的原因 #

你代码里的paste("/Users/EM/Desktop/Files",i,sep="\t")是错误的——路径和文件名应该用斜杠（/）分隔，而非制表符（\t），这导致R生成了无效的文件路径，因此报invalid 'description' argument错误。正确的路径拼接应该用file.path函数（自动适配Windows/Mac的路径分隔符），或者把sep改成"/"。

推荐高效处理方案（用tidyverse工具，适合新手） #

直接在读取每个文件时就筛选数据再合并，比先合并所有大文件再筛选更省内存，步骤如下：

1. 安装并加载必要的包：

# 首次使用需安装
install.packages("tidyverse")
# 加载包含readr、dplyr、purrr的工具包
library(tidyverse)

2. 获取所有TSV文件的完整路径：

# 指定你的文件夹路径
folder_path <- "/Users/EM/Desktop/Files"
# 获取所有.tsv后缀的文件，full.names=TRUE返回完整路径
file_paths <- list.files(folder_path, pattern = "\\.tsv$", full.names = TRUE)

3. 定义处理单个文件的函数：

process_file <- function(file_path) {
  # 读取TSV文件
  dat <- read_tsv(file_path)
  # 添加来源列，basename()提取纯文件名（去掉路径前缀）
  dat <- dat %>% mutate(Source = basename(file_path))
  # 筛选ColumnA为指定值的行，替换成你实际的列名和目标值
  dat <- dat %>% filter(ColumnA %in% c("gene1", "gene2", "gene3"))
  return(dat)
}

4. 批量处理并合并成单个DataFrame：

# map_dfr自动将每个文件的处理结果合并为一个数据框
merged_data <- map_dfr(file_paths, process_file)

如果你更习惯用for循环（改进版） #

若想继续用for循环，修正路径问题并初始化空数据框即可：

# 加载dplyr用于filter函数
library(dplyr)

folder_path <- "/Users/EM/Desktop/Files"
# 获取文件夹下所有TSV文件名（不带路径）
file_names <- list.files(folder_path, pattern = "\\.tsv$")
# 初始化空数据框
merged_data <- data.frame()

for(i in file_names) {
  # 用file.path拼接正确的文件路径
  file_path <- file.path(folder_path, i)
  dat <- read_tsv(file_path)
  # 添加来源列
  dat$Source <- i
  # 筛选目标行
  dat <- dat %>% filter(ColumnA %in% c("gene1", "gene2", "gene3"))
  # 合并数据
  merged_data <- rbind(merged_data, dat)
}

注意事项 #

• 确保所有TSV文件的列名完全一致，否则合并时会出现列不匹配的错误
• 若文件体积较大，优先选择map_dfr的方法，运行效率更高
• 请将代码中的ColumnA替换成你实际要筛选的列名，"gene1", "gene2", "gene3"替换成你需要保留的具体值

内容的提问来源于stack exchange，提问作者user20897265