tsv文件间的完全连接和基于原始文件的列重命名

Question

我有176个.tsv文件，这是基因比对的结果，如下所示：

在这些文件中，我希望target_id列之间有一定的重叠，但不是完整的，因此我希望进行完全连接并保留所有行。另外，我感兴趣的是只保留每个文件的tpm值，并根据文件名重命名列。

预期的数据帧类似于：

我知道bash中的join函数，但它每次可以用于两个文件，如果我理解得正确，我就不能选择特定的列...

提前谢谢！

编辑：文件名为srr*.tsv

Answer 1

让我知道如果这段代码适合你，没有文件很难测试。

import os
import sys
import pandas as pd

df = pd.DataFrame()

for fn in os.listdir(sys.argv[1]):
    if '.tsv' in fn:
        header = fn.replace('.tsv', '')
        this_df = pd.read_csv(fn)
        for i, row in this_df.iterrows():
            value = row['tpm']
            df.loc[df['target_id'] == row['target_id'], header] = value

df.to_csv('joined.tsv', sep='\t', index=False)

另存为tsvjoin.py，然后使用tsvs>运行Python3tsvjoin.py<文件夹

编辑：错别字