在R中读取不同文件夹下的.tsv文件并添加文件夹名列

嘿，这个批量处理的需求我太熟了！395个文件夹手动加列绝对是噩梦，下面给你两种方案，都能自动把文件夹名称加到数据框里，一步到位合并所有文件：

方案一：用tidyverse工具链（推荐，简洁高效） #

tidyverse里的readr和purrr包能帮你快速完成读取、添加列、合并的全流程：

# 先安装并加载tidyverse（如果还没装的话）
if (!require("tidyverse")) install.packages("tidyverse")
library(tidyverse)

# 1. 获取所有file.tsv的完整路径
file_paths <- list.files(
  path = "A:/output", 
  pattern = "^file\\.tsv$",  # 精确匹配文件名，避免误抓类似file1.tsv的文件
  recursive = TRUE,          # 递归遍历所有子文件夹
  full.names = TRUE          # 返回完整文件路径（而非仅文件名）
)

# 2. 批量读取文件，自动添加folder列并合并
combined_df <- map_dfr(file_paths, function(file_path) {
  # 从路径中提取文件夹名称：取路径的倒数第二部分
  folder_name <- basename(dirname(file_path))
  # 读取tsv文件，然后新增folder列
  read_tsv(file_path) %>% 
    mutate(folder = folder_name)
})

# 查看合并后的结果
head(combined_df)

方案说明 #

• map_dfr()会自动把每个文件生成的小数据框按行合并，省去手动rbind的麻烦
• basename(dirname(file_path))是提取文件夹名的关键：dirname()先得到文件所在的文件夹路径（比如A:/output/Folder1），basename()再提取路径的最后一段，就是你要的Folder1
• read_tsv()比base R的read.table更快，且默认不会把字符串转成因子，处理数据更省心

方案二：Base R实现（无需额外安装包） #

如果你不想装新包，用base R也能完成：

# 1. 获取所有file.tsv的完整路径
file_paths <- list.files(
  path = "A:/output", 
  pattern = "^file\\.tsv$", 
  recursive = TRUE, 
  full.names = TRUE
)

# 2. 初始化空列表，用来存储每个文件的数据框
df_list <- list()

# 3. 遍历每个文件，读取并添加folder列
for (i in seq_along(file_paths)) {
  current_path <- file_paths[i]
  # 提取文件夹名称
  folder_name <- basename(dirname(current_path))
  # 读取tsv文件（注意sep="\t"指定分隔符，header=TRUE表示第一行是列名）
  current_df <- read.table(
    current_path, 
    sep = "\t", 
    header = TRUE, 
    stringsAsFactors = FALSE
  )
  # 添加folder列
  current_df$folder <- folder_name
  # 把当前数据框加入列表
  df_list[[i]] <- current_df
}

# 4. 合并所有数据框
combined_df <- do.call(rbind, df_list)

# 查看结果
head(combined_df)

关键细节提醒 #

1. 文件格式一致性：确保所有file.tsv的列名、列数和数据类型一致，否则合并时可能报错。如果有格式不一致的文件，可以在读取时用col_types（tidyverse）或colClasses（base R）统一指定列类型
2. 路径匹配准确性：pattern = "^file\\.tsv$"是正则表达式，确保只匹配文件名恰好是file.tsv的文件，避免匹配到类似file_backup.tsv的文件
3. 大文件处理：如果单个文件很大，推荐用read_tsv，它的内存效率更高，处理速度更快

内容的提问来源于stack exchange，提问作者Charlotte