在R函数中合并多文件夹TSV数据框时遇参数缺失报错的问询

文件夹结构 #

-test1
-test2
-test3
-test4
-test5

每个文件夹下存放.tsv格式文件，现有R处理代码如下：

process <- function(f){
  df <- read.csv(f, sep = "\t", header = F)
  colnames(df) <- c("1","2","3","4","5","6","7","8","9")
  df <- df[-c(1, 2, 3, 4, 5, 6),]
  df <- df[c("1", "7")]
  df <- merge(df, df, by="1") 
  print(df)
}
files <- dir("path", recursive = T, full.names = T, pattern = "*.tsv")
sapply(files, process)

当前代码仅能打印单个处理后的数据集，无法将所有结果按列"1"合并为一个完整数据框，且运行时触发报错：

Error in as.data.frame(y) : argument "y" is missing, with no default

1. 修复process函数的冗余逻辑并明确返回值 #

原代码中merge(df, df, by="1")是完全冗余的自合并操作，会导致数据重复且干扰后续合并。修改函数让它返回处理后的单个数据框，并为每个文件的数值列重命名（避免合并后列名冲突）：

process <- function(f){
  df <- read.csv(f, sep = "\t", header = F)
  colnames(df) <- c("1","2","3","4","5","6","7","8","9")
  df <- df[-c(1:6),]  # 简化索引写法
  df <- df[c("1", "7")]
  # 给每个文件的数值列重命名，关联文件名便于区分
  colnames(df)[2] <- paste0("value_", tools::file_path_sans_ext(basename(f)))
  return(df)  # 明确返回处理后的数据集
}

2. 改用lapply收集数据集再批量合并 #

sapply会自动将数据框转为矩阵，不适合后续合并操作。用lapply获取完整的数据集列表，再通过Reduce循环按列"1"合并所有结果：

# 修正正则表达式，精准匹配.tsv结尾的文件
files <- dir("path", recursive = TRUE, full.names = TRUE, pattern = "\\.tsv$")
# 生成所有处理后的数据集列表
df_list <- lapply(files, process)
# 按列"1"合并所有数据集，保留所有行（如需仅保留共同行可去掉all=TRUE）
final_df <- Reduce(function(x, y) merge(x, y, by = "1", all = TRUE), df_list)

报错原因说明 #

1. 原函数仅执行print(df)而未明确返回数据集，导致sapply返回的是打印结果的列表而非有效数据集列表；
2. 冗余的自合并操作无意义，且破坏了数据集的结构；
3. 原正则表达式pattern = "*.tsv"不严谨，可能匹配到非目标文件。

内容的提问来源于stack exchange，提问作者szmple