基于Python实现依据分类文件批量重命名生物信息学bin文件

我来帮你搞定这个生物信息学数据整理的需求，用Python实现完全没问题，下面是具体的思路和可运行的代码：

问题拆解 #

咱们的核心需求可以拆成这几步：

• 遍历binned/下的所有日期命名子文件夹（比如90-20-09-2018、90-25-04-2018）
• 每个子文件夹里，从bins/quality/taxonomy.txt读取Bin文件和属名的对应关系
• 把bins/下的原始Bin文件（比如90-20-09-2018.001）重命名为对应的属名（比如Lactobacillus）
• 处理特殊情况：比如有的分类条目没有属级信息（只到科）、多个Bin对应同一个属名的冲突

实现思路 #

1. 路径遍历：用Python的pathlib模块（比传统os模块更直观）来遍历目标文件夹
2. 解析分类文件：读取taxonomy.txt，跳过表头行，拆分每行数据，提取Bin Id和g__后的属名部分
3. 重命名逻辑：根据解析出的映射关系，逐个重命名Bin文件；遇到重名时自动添加序号后缀（比如Lactobacillus_1）
4. 异常处理：处理文件不存在、权限不足等常见问题，避免程序崩溃

完整代码 #

from pathlib import Path
from collections import defaultdict

def rename_bins_to_genus(root_dir: str = "binned"):
    root_path = Path(root_dir)
    
    # 遍历每个日期子文件夹
    for date_folder in root_path.iterdir():
        if not date_folder.is_dir():
            continue
        
        # 定义关键路径
        bins_dir = date_folder / "bins"
        taxonomy_file = bins_dir / "quality" / "taxonomy.txt"
        
        # 检查分类文件是否存在
        if not taxonomy_file.exists():
            print(f"警告：未找到分类文件 {taxonomy_file}，跳过该文件夹")
            continue
        
        # 解析taxonomy.txt，构建Bin Id到属名的映射
        bin_to_genus = {}
        # 统计每个属名出现的次数，处理重名
        genus_count = defaultdict(int)
        
        with open(taxonomy_file, "r") as f:
            # 跳过表头行（直到找到包含"Bin Id"的行）
            for line in f:
                line = line.strip()
                if not line or line.startswith("---") or "Bin Id" not in line:
                    continue
                # 读取表头后的有效数据行
                break
            
            # 处理数据行
            for line in f:
                line = line.strip()
                if not line or line.startswith("---"):
                    continue
                # 拆分每行数据（按空格拆分，Taxonomy字段用分号分隔无空格）
                parts = line.split(maxsplit=3)
                if len(parts) < 4:
                    print(f"警告：无效行，跳过：{line}")
                    continue
                bin_id, _, _, taxonomy = parts
                
                # 提取属名（g__开头的部分）
                genus = None
                for taxon in taxonomy.split(";"):
                    if taxon.startswith("g__"):
                        genus = taxon[3:]  # 去掉"g__"前缀
                        break
                
                # 如果没有属名，保留原Bin Id
                if not genus:
                    genus = bin_id
                    print(f"注意：Bin {bin_id} 没有属级分类信息，保留原名称")
                
                bin_to_genus[bin_id] = genus
        
        # 遍历bins目录下的所有Bin文件，进行重命名
        for bin_file in bins_dir.iterdir():
            if bin_file.is_dir() or bin_file.name not in bin_to_genus:
                continue  # 跳过文件夹和不在映射里的文件
            
            target_genus = bin_to_genus[bin_file.name]
            # 处理重名：如果该属名已经用过，添加序号
            genus_count[target_genus] += 1
            if genus_count[target_genus] > 1:
                new_name = f"{target_genus}_{genus_count[target_genus]-1}"
            else:
                new_name = target_genus
            
            new_path = bins_dir / new_name
            # 避免覆盖已存在的文件（如果有同名文件，自动递增序号）
            counter = 1
            while new_path.exists():
                new_name = f"{target_genus}_{counter}"
                new_path = bins_dir / new_name
                counter += 1
            
            # 执行重命名
            try:
                bin_file.rename(new_path)
                print(f"已重命名：{bin_file.name} -> {new_name}")
            except Exception as e:
                print(f"重命名失败 {bin_file.name}: {str(e)}")

if __name__ == "__main__":
    rename_bins_to_genus()

注意事项 #

• 备份原始数据：运行代码前建议先备份binned文件夹，避免意外数据丢失
• 处理无属名的条目：代码中如果遇到没有g__的分类条目，会保留原Bin文件名，你可以根据需求修改这部分逻辑（比如改成科名或者自定义标记）
• 重名处理：如果多个Bin对应同一个属名，代码会自动添加序号后缀（比如Lactobacillus、Lactobacillus_1），避免文件覆盖
• 路径适配：如果你的binned文件夹不在当前工作目录，可以修改rename_bins_to_genus函数的root_dir参数，传入完整路径

内容的提问来源于stack exchange，提问作者mortalknight55hotmailcom