如何解决R语言使用read.csv读取CSV文件时报重复行名的错误

报错原因 #

你遇到的duplicate 'row.names' are not allowed报错核心原因是CSV文件第一列的gene_id存在重复值，你此前调整文件格式、删除空白字符的操作无法解决该类问题。

可行解决步骤 #

• 第一步：先不指定行名读取文件，定位重复ID
  先读取完整文件不设置row.names参数，查询所有重复的gene_id：

  # 读取文件
  annotation_file <- "Best3_Abicinctus_FunctionalAnnotation.csv"
  annotation_info <- read.csv(annotation_file, header = T, stringsAsFactors = F)
  # 输出所有重复的gene_id
  dup_ids <- annotation_info$gene_id[duplicated(annotation_info$gene_id)]
  print(dup_ids)
  

  你可以根据输出的重复ID判断是上游注释结果有误，还是存在无效重复行。

• 第二步：保留原行顺序的前提下设置行名，有两种可选方案：

  1. 给重复ID加唯一后缀，不删除任何行
     用make.names函数自动给重复ID加.1/.2后缀，全程不改变原文件的行顺序，原gene_id列也会完整保留不影响后续分析：

     rownames(annotation_info) <- make.names(annotation_info$gene_id, unique = T)
     # 若不需要保留gene_id列可执行以下代码删除，和你最初用row.names=1读取的结构完全一致
     # annotation_info <- annotation_info[, -1]
     

  2. 仅保留每个gene_id的第一条注释，删除重复行
     如果重复行属于无效数据，直接去重后设置行名，原行顺序保持不变：

     # 保留每个gene_id第一次出现的行
     annotation_info_unique <- annotation_info[!duplicated(annotation_info$gene_id), ]
     rownames(annotation_info_unique) <- annotation_info_unique$gene_id
     # 同上可按需删除第一列
     # annotation_info_unique <- annotation_info_unique[, -1]
     

以上两种方案都不需要设置row.names=NULL，完全不会打乱后续分析所需的数据顺序。

内容的提问来源于stack exchange，提问作者Rodriguez J Mathew