如何使用Linux、Python或Perl将TSV文件前三列合并为单列？

以下是三种不同场景下的常用实现方案：

方法1：Linux awk命令行实现（适合快速处理大文件，无需额外依赖） #

awk原生支持制表符分隔格式，一行命令即可完成处理：

• 新ID列放在文件最前的命令：
  awk 'BEGIN{FS=OFS="\t"} NR==1{print "ID",$0} NR>1{print $1"_"$2"_"$3, $0}' variants.tsv > new_variants.tsv
• 新ID列放在文件最后的命令：
  awk 'BEGIN{FS=OFS="\t"} NR==1{print $0,"ID"} NR>1{print $0, $1"_"$2"_"$3}' variants.tsv > new_variants.tsv
  参数说明：
• BEGIN{FS=OFS="\t"}：指定输入输出的分隔符均为制表符，适配TSV格式
• NR==1：匹配表头行，新增ID列的表头
• NR>1：匹配数据行，将前三列内容以下划线拼接生成ID值

方法2：Python Pandas实现（适合需要后续做变异数据二次分析的场景） #

该方案可读性高，方便衔接后续的变异过滤、注释等分析操作：

import pandas as pd

# 读取TSV文件，指定所有列为字符串格式，避免0开头的Barcode/样本ID被转成数值
df = pd.read_csv("variants.tsv", sep="\t", dtype=str)
# 拼接前三列生成ID列
df["ID"] = df["lane"] + "_" + df["sampleID"] + "_" + df["Barcode"]
# 可选操作：将ID列调整到表格最前面
df = df[["ID"] + [col for col in df.columns if col != "ID"]]
# 输出新TSV文件，不保留pandas自动生成的索引列
df.to_csv("new_variants.tsv", sep="\t", index=False)

方法3：R语言实现（适合生信分析R栈用户） #

使用tidyverse语法完成，适配R生态的后续分析流程：

library(tidyverse)

# 读取TSV文件，指定所有列为字符型避免格式转换错误
df <- read_tsv("variants.tsv", col_types = cols(.default = "c"))
# 拼接前三列生成ID列
df <- df %>% mutate(ID = str_c(lane, sampleID, Barcode, sep = "_"))
# 可选操作：将ID列调整到表格最前面
df <- df %>% select(ID, everything())
# 输出新TSV文件
write_tsv(df, "new_variants.tsv")

内容的提问来源于stack exchange，提问作者Alhu.A