R语言读取多csv指定列并按gene列左连接合并的实现问题

以下两种方案均适配数十个文件的批量合并需求，可根据你的使用习惯选择：

方案1：tidyverse 实现（推荐，代码简洁高效） #

# 加载依赖包
library(tidyverse)

# 1. 批量获取目标csv文件路径，默认读取当前工作目录下所有csv文件
# 如需指定其他目录，可在list.files第一个参数填入目录路径，如 list.files("./csv_folder", pattern = "\\.csv$", full.names = TRUE)
file_paths <- list.files(pattern = "\\.csv$", full.names = TRUE)
# 提取不带后缀的文件名，作为后续数值列的列名
file_names <- str_remove(basename(file_paths), "\\.csv$")

# 2. 定义单个文件的读取处理函数
read_single_file <- function(path, col_name) {
  # 读取csv，仅保留第1列(gene)和数值列
  # 如果你的数值列在第3位，可调整cols_only参数，或改为 df <- read_csv(path)[,c(1,3)]
  df <- read_csv(path, cols_only(
    gene = col_character(),
    count = col_double()
  ))
  # 重命名数值列为对应的文件名
  colnames(df)[2] <- col_name
  return(df)
}

# 3. 批量读取所有文件后按gene列合并
df_list <- map2(file_paths, file_names, read_single_file)
# 用full_join会保留所有文件中出现的gene，若要以第一个文件的gene为基准做左连接，改为left_join即可
merged_df <- reduce(df_list, full_join, by = "gene")

# 可选：将缺失值替换为0
merged_df <- merged_df %>% mutate(across(-gene, ~replace_na(.x, 0)))

方案2：基础R实现（无需安装第三方包） #

# 获取所有csv文件路径
file_paths <- list.files(pattern = "\\.csv$")
merged_df <- NULL

for (i in seq_along(file_paths)) {
  # 读取文件，保留第1列和数值列，需要取第3列就把c(1,2)改成c(1,3)
  df <- read.csv(file_paths[i], stringsAsFactors = FALSE)[, c(1,2)]
  # 重命名数值列
  col_name <- sub("\\.csv$", "", file_paths[i])
  colnames(df)[2] <- col_name
  # 合并文件
  if (is.null(merged_df)) {
    merged_df <- df
  } else {
    # all=TRUE对应保留所有gene的全连接，all.x=TRUE对应以已有数据为基准的左连接
    merged_df <- merge(merged_df, df, by = "gene", all = TRUE)
  }
}

# 可选：将缺失值替换为0
merged_df[is.na(merged_df)] <- 0

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