R中按species列合并多数据框并提取kmers以文件名重命名

问题原因 #

你原有代码错误修改了第二列的列名，且没有提前过滤掉reads、taxReads这类冗余列，导致合并后保留了大量不需要的字段，也没有正确将kmers列替换为来源文件名。

调整后代码 #

基于你原有plyr包逻辑的版本 #

首先确保你已经加载plyr包：

library(plyr)

修改后的完整脚本如下：

# 读取所有tsv文件
file_list = list.files(pattern="tsv$")

datalist = lapply(file_list, function(x){
  # 读入单个tsv文件
  dat = read.csv(file=x, header=T, sep = "\t")
  # 仅保留合并需要的species列和要提取的kmers列
  dat = dat[, c("species", "kmers")]
  # 将kmers列重命名为来源文件名（自动去掉.tsv后缀）
  colnames(dat)[2] = tools::file_path_sans_ext(x)
  return(dat)
})
# 按species列全连接合并
joined <- join_all(dfs = datalist,by = "species",type ="full" )

可选：tidyverse版本 #

如果你常用tidyverse生态，也可以用以下写法：

library(tidyverse)

file_list = list.files(pattern="tsv$")

joined <- map_dfr(file_list, function(x) {
  read_tsv(x) %>% 
    select(species, kmers) %>% 
    mutate(source = tools::file_path_sans_ext(x))
}) %>% 
  pivot_wider(names_from = source, values_from = kmers)

输出验证 #

运行后joined就是你需要的结构，第一列为species，后续每一列对应一个来源文件的kmers值，列名就是文件名。

内容的提问来源于stack exchange，提问作者user2300940