如何利用np.random.normal批量替换文件中指定行的均值字段？

需求说明 #

• 目标文件file.in共约900行，包含6列数据，第4列为均值（mean），第5列为误差（error）
• 保留前11行内容，从第12行开始，用np.random.normal(mean, error)生成的随机值替换对应行的原均值字段
• 最终覆盖原文件内容

问题分析 #

原代码存在以下局限：

• 硬编码行号和具体均值数值，无法适配批量行处理
• 循环内重复打开文件，逻辑冗余且效率低下
• 替换逻辑依赖固定字符串匹配，容错性差

解决方案代码 #

import numpy as np
import shutil

# 定义文件路径
input_file = 'file.in'
temp_file = 'file.tmp'

with open(input_file, 'r') as fin, open(temp_file, 'w') as fout:
    # 处理前11行，直接写入
    for i in range(11):
        line = fin.readline()
        fout.write(line)
    
    # 处理第12行及以后的内容
    for line in fin:
        # 拆分每行的列数据，自动处理多空格分隔情况
        cols = line.strip().split()
        if len(cols) >= 5:  # 确保列数足够提取均值和误差
            # 提取均值和误差并转为浮点型
            mean = float(cols[3])
            error = float(cols[4])
            # 生成新的随机均值
            new_mean = np.random.normal(mean, error)
            # 替换第4列，可自定义小数位数（示例保留6位）
            cols[3] = f"{new_mean:.6f}"
            # 重新组装行内容并写入
            modified_line = ' '.join(cols) + '\n'
            fout.write(modified_line)
        else:
            # 行格式异常时直接写入原行，避免程序中断
            fout.write(line)

# 用临时文件替换原文件，避免直接修改原文件导致数据丢失
shutil.move(temp_file, input_file)

代码说明 #

• 前11行直接读取写入，保证原始内容不变
• 对后续每行通过split()拆分列，精准定位均值和误差字段
• 生成随机值后替换对应列，重新组装行内容，兼容任意行的批量处理
• 采用临时文件过渡再替换原文件的方式，避免写入异常导致原文件损坏
• 加入格式校验，遇到异常行直接保留原内容，提升程序鲁棒性

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