R使用lapply/map执行函数报错：无法读取输入列表或写入输出文件

现存问题梳理 #

• singlet_cleaned 列表初始化时机错误：你在执行第一部分清洗逻辑之前就调用list.files查找_cleaned.csv文件，此时文件还未生成，因此该列表为空，第二部分的合并逻辑没有输入文件可用
• map2 函数找不到错误：map2属于purrr包，虽然tidyverse默认会加载该包，若出现加载失败的情况可以显式用purrr::map2调用
• 自定义函数名冲突：你定义了名为match的函数，和R内置的match()函数重名，容易引发不可预期的错误，建议修改函数名
• 文件名配对可靠性差：仅靠两个文件列表的自然顺序配对，很容易出现文件顺序错位的问题，建议通过文件名前缀主动关联配对文件

修正后的完整代码 #

### 导入PCR结果.tsv，格式化、自然排序后导出清洗后的.csv文件
### 导入重复样本.tsv，拆分样本列后和清洗后的数据合并，导出最终结果

## 环境配置，按需修改工作路径，未安装tidyverse先执行安装
# setwd("C:/Users/asmit/Desktop/pratice_files/pratice/")
# install.packages("tidyverse")

library(tidyverse)

### 第一步：批量清洗原始实验数据
# 匹配所有原始实验数据文件（排除_replicates.tsv）
singlet_files <- list.files(path = ".", pattern = "^(?!.*_replicates\\.tsv).*\\.tsv$", perl = TRUE)

# 定义读取原始文件的函数
read_singlet <- function(x) {
  as_tibble(read_tsv(x, col_names = TRUE, skip = 1))
}

# 定义清洗并导出的函数
singlet_cleanup <- function(x) {
  new_file <- str_replace(x, "(.*)\\.tsv", "\\1_cleaned.csv")
  read_singlet(x) %>%
    select("Pos", "Name", "Cp", "Concentration") %>%
    .[str_order(.$Pos, numeric = TRUE), ] %>%
    write_csv(file = new_file)
  return(new_file)
}

# 执行清洗，得到所有清洗后文件的路径列表
singlet_cleaned <- lapply(singlet_files, singlet_cleanup) %>% unlist()

### 第二步：批量合并重复样本均值和清洗后的数据
# 匹配所有重复样本均值文件
matching_pair_files <- list.files(path = ".", pattern = "_replicates\\.tsv$")

# 定义读取清洗后文件的函数
read_cleaned <- function(y) {
  as_tibble(read_csv(y, col_names = TRUE)) 
}

# 定义读取重复样本文件的函数（修改函数名避免和内置函数冲突）
read_rep_file <- function(m) {
  as_tibble(read_tsv(m, col_names = TRUE, skip = 1))
}

# 定义合并导出函数
merge_and_export <- function(m, y) {
  organ <- regmatches(m, regexpr("(Liver|Lung|Kidney|Spleen)", m))
  output_file <- str_replace(m, "(.*)_replicates\\.tsv", "\\1_final.csv")
  read_rep_file(m) %>%
    mutate("R1" = gsub(x = .$Samples, pattern = "^(.*),.*", replacement = "\\1")) %>%
    mutate("R2" = gsub(x = .$Samples, pattern = ".*,\\s(.*)", replacement = "\\1")) %>%
    pivot_longer(cols = c("R1", "R2"), names_to = "Well Pairs", values_to = "Wells") %>%
    select("MeanCp", "STD Cp", "Mean conc", "STD conc", "Wells") %>%
    relocate("Wells", 1) %>%
    right_join(read_cleaned(y), by = c("Wells" = "Pos")) %>%
    .[str_order(.$Wells, numeric = TRUE), ] %>%
    select("Name", "MeanCp", "STD Cp", "Mean conc", "STD conc") %>%
    distinct(Name, .keep_all = TRUE) %>%
    add_column(Organ = organ) %>%
    write_csv(file = output_file)
  return(output_file)
}

# 执行批量合并，显式调用purrr::map2避免找不到函数的问题
purrr::map2(.x = matching_pair_files, .y = singlet_cleaned, ~merge_and_export(.x, .y))

额外优化说明 #

• 调整了文件匹配的正则表达式，用负向预查精准排除重复样本文件，避免误匹配
• 主动返回生成的文件路径，确保后续步骤的输入列表准确
• 所有函数名都做了语义化修改，避免和内置函数冲突

内容的提问来源于stack exchange，提问作者allisonrs