如何从Python传递文件名参数调用R脚本实现批量特征选择？

我们一步步来解决你的问题，先修正Python生成CSV的代码，再调整R脚本接收参数，最后完善Python调用R的逻辑。

1. 修正Python生成多个CSV文件的代码 #

你原来的Python代码存在语法错误，无法正确生成每个seg对应的CSV文件。可以通过循环遍历列表，逐个生成目标文件：

import pandas as pd

# 假设df_final是你已准备好的数据框
each_seg = ['seg1','seg2','seg3']
for seg in each_seg:
    df_final.to_csv(f"final_data_{seg}.csv", index=False)

这里用f-string简化了文件名拼接，逻辑更清晰，能确保每个seg对应一个独立的CSV文件。

2. 修改R脚本以接收命令行参数 #

原R脚本硬编码了文件名，需要改成从命令行读取Python传递的参数。我们用commandArgs(trailingOnly = TRUE)获取参数，同时调整输出逻辑方便Python捕获结果：

# 读取命令行传递的文件名参数
args <- commandArgs(trailingOnly = TRUE)
if (length(args) == 0) {
  stop("请传递CSV文件名作为参数！")
}
csv_filename <- args[1]

df_seg <- read.csv(csv_filename) # 使用传递的文件名读取数据

print(paste0("############ ",Sys.time()," Start of mRMR"," ##################"))

rmRMRe <- function(df_seg, noOfFeatures = 80){
  data <- df_seg
  remove(df_seg)
  
  # 数据预处理逻辑保持不变
  data <- data[, sapply(data, class) != "logical"]
  data <- data[, !(names(data)) %in% c("X")]
  data_slice <- data
  data_slice[] <- lapply(data, function(x) as.numeric(x))
  target_idx = which(names(data)=="status")
  dd <- mRMR.data(data = (data_slice))
  rm(list = c('data','data_slice'))
  
  # 运行mRMR特征选择
  results <- mRMR.classic("mRMRe.Filter", data = dd, target_indices = target_idx, feature_count = noOfFeatures)
  feature_indices <- solutions(results)
  feature_indices <- feature_indices[[1]][1:noOfFeatures]
  feature_seg <- data.frame('scores' = results@scores,'features' = dd@feature_names[feature_indices])
  
  # 将结果输出到stdout，方便Python捕获
  print(feature_seg)
  return(feature_seg)
}

# 调用函数，可选：直接在R中保存结果文件
feature_scores <- rmRMRe(df_seg, 80)
# write.csv(feature_scores, paste0(tools::file_path_sans_ext(csv_filename), "_mrmr_results.csv"), row.names = FALSE)

关键修改点：

• 用commandArgs(trailingOnly = TRUE)获取Python传递的文件名
• 添加参数检查，避免无参数运行报错
• 将结果打印到stdout，也可选择直接在R中保存结果文件

3. 完善Python调用R脚本的代码 #

你原来的代码没有正确读取R脚本的输出内容，导致生成空文件。调整subprocess的使用方式，正确捕获输出：

import subprocess

each_seg = ['seg1','seg2','seg3']
script_filename = 'mrmr_server.R'

for seg in each_seg:
    param_filename = f'final_data_{seg}.csv'
    result_filename = f'mrmr_{seg}_out.csv' # 每个seg对应独立的结果文件
    
    # 调用R脚本并传递文件名参数
    process = subprocess.Popen(
        ['Rscript', script_filename, param_filename],
        stdout=subprocess.PIPE,
        stderr=subprocess.PIPE,
        text=True
    )
    
    # 获取输出和错误信息
    stdout, stderr = process.communicate()
    
    # 打印错误信息用于排查问题
    if stderr:
        print(f"处理{seg}时出错：{stderr}")
    
    # 将结果写入文件
    with open(result_filename, 'w') as f:
        f.write(stdout)
    
    print(f"{seg}的处理结果已保存到{result_filename}")

关键修改点：

• 使用communicate()替代wait()，能可靠捕获进程的所有输出内容
• 添加错误信息打印，方便排查问题
• 为每个seg生成独立的结果文件，避免内容覆盖
• 使用text=True让输出以字符串形式返回，无需二进制处理

原代码生成空文件的原因 #

你原来的代码仅用process.wait()等待进程结束，但没有读取stdout的内容，导致打开的文件未写入任何内容就被关闭。communicate()方法可以正确读取进程的输出，再写入文件就能得到结果。

按照这个流程，你就能实现从Python批量生成CSV、自动调用R脚本处理每个文件并保存结果的自动化流程了。

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