如何用Python合并多份tab格式文件并生成FPKM汇总表？

你已经完成了文件遍历和读取的基础工作，接下来只需要对每个数据框做针对性处理，再按Gene列横向合并就能得到想要的汇总表了。我帮你修改并完善代码，具体步骤如下：

步骤说明 #

1. 首先补全pandas的导入（你的代码里漏掉了这一步）；
2. 读取每个CTAB文件时，只保留Gene和FPKM两列，避免多余数据干扰；
3. 从文件名中提取样本名称（比如从RBRN02.sorted.bam_t_data.ctab里提取RBRN02），并将FPKM列重命名为对应的样本名，方便后续识别；
4. 以第一个数据框的Gene列为基准，依次合并所有样本的FPKM数据，最终得到横向汇总表。

完整代码 #

import os
import pandas as pd  # 补全pandas导入

path = "F:/RNASEQ2019/ballgown/abundance_est/"
files = []

# 遍历目录获取所有t_data.ctab文件
for r, d, f in os.walk(path):
    for file in f:
        if 't_data.ctab' in file:
            files.append(os.path.join(r, file))

# 处理每个文件，提取Gene和FPKM并重命名FPKM列
processed_dfs = []
for file_path in files:
    # 读取文件，只保留Gene和FPKM列
    df = pd.read_csv(file_path, sep="\t", usecols=['Gene', 'FPKM'])
    # 从文件名提取样本ID：比如RBRN02.sorted.bam_t_data.ctab → RBRN02
    sample_name = os.path.basename(file_path).split('.')[0]
    # 重命名FPKM列为样本名
    df.rename(columns={'FPKM': sample_name}, inplace=True)
    processed_dfs.append(df)

# 横向合并所有数据框（以Gene列为共同键）
merged_df = processed_dfs[0]
for df in processed_dfs[1:]:
    merged_df = pd.merge(merged_df, df, on='Gene', how='inner')

# 保存汇总文件为TSV格式（也可以改成csv，把sep='\t'换成','）
merged_df.to_csv("FPKM_summary.tsv", sep='\t', index=False)

print("汇总文件已生成！")

代码解释 #

• usecols=['Gene', 'FPKM']：读取文件时只加载需要的两列，提升效率；
• os.path.basename(file_path).split('.')[0]：通过文件名拆分提取样本标识，确保列名和样本一一对应；
• pd.merge(merged_df, df, on='Gene', how='inner')：以Gene列为键进行内连接，保证所有样本的Gene完全匹配（因为你提到所有文件的Gene列内容一致，内连接完全适用）；
• 最后用to_csv保存结果，index=False避免生成多余的索引列。

运行这段代码后，你就能得到符合需求的汇总文件啦！

内容的提问来源于stack exchange，提问作者jit c