R语言合并多txt文件为数据框并按文件名重命名raw_counts列

你原有代码的核心问题是未在单文件读取阶段完成列筛选、列重命名就直接合并，导致同名列自动追加.x/.y后缀，后续替换不仅繁琐还容易出错。最优方案是把列处理、重命名操作前置到读取单文件的步骤中，从根源避免列名冲突，实现代码如下：

完整可运行代码 #

library(tidyverse)

# 配置文件存储路径
file_path <- "/Target_Data/TARGET_FHCRC/"
# 匹配目标定量文件
all_files <- dir(file_path)
target_files <- grep(all_files, pattern = "^T.*gene.quantification.txt$", value = TRUE)

# 批量读取文件，同步完成列筛选、列重命名
df_list <- map2(
  .x = target_files,
  # 提取样本ID：删除文件名末尾固定的.gene.quantification.txt后缀
  .y = str_remove(target_files, "\\.gene\\.quantification\\.txt$"),
  .f = ~{
    # 读取单个定量文件
    single_df <- read.delim(
      file = file.path(file_path, .x),
      stringsAsFactors = FALSE,
      check.names = FALSE,
      row.names = NULL
    )
    # 仅保留gene、raw_counts两列，直接丢弃不需要的RPKM、median_length_normalized列
    single_df <- single_df[, c("gene", "raw_counts")]
    # 重命名raw_counts列为带样本ID的唯一列名
    colnames(single_df)[2] <- paste0("raw_counts_", .y)
    return(single_df)
  }
)

# 按共有gene列合并所有样本，无列名冲突问题
merge_result <- df_list %>% reduce(inner_join, by = "gene")

关键逻辑说明 #

• 列裁剪前置：单文件读取时就丢弃不需要的两列指标，相比合并后再删列更省内存，也不会产生多余的重名列
• 样本ID提取：通过正则直接删除固定后缀得到样本ID，适配所有符合命名规则的定量文件，不会出现ID提取错误
• 列重命名前置：每个文件的count列在合并前就设置为唯一列名，合并时不会触发R自动加.x/.y后缀的机制，完全不需要后续用正则批量替换后缀，避免替换失误
• 路径拼接：用file.path()拼接文件目录和文件名，避免因为工作路径设置不对导致的文件读取失败问题

扩展调整 #

• 如果需要保留所有文件中出现的基因（而非仅保留所有样本共有的基因），将合并步骤的inner_join替换为full_join即可
• 如果需要按样本顺序排列列，可以在合并完成后通过列名排序调整顺序

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