如何使用Python为200万行GWAS数据的每个SNP生成随机浮点数

原代码存在的问题 #

• np.random.random仅支持传入单个整数参数指定生成数组的长度，传入(0, len(SNP.csv))会直接触发参数报错；且SNP.csv是文件名字符串，len(SNP.csv)拿到的是文件名的字符长度，不是文件实际的数据行数。
• 循环逐行读取时没有跳过第一行的SNP_Id表头，也没有将读取到的SNP值与生成的随机数做绑定输出，循环内反复生成全量长度的随机数组会产生大量冗余计算，200万行规模下运行效率极低。
• 没有配置结果写入逻辑，即使随机数生成正常也无法得到目标格式的输出文件。

可直接运行的实现方案 #

200万行数据规模下优先选择批量生成的方案，全程运行时间不超过5秒，内存占用稳定。

方案1：仅依赖csv+numpy（无额外pandas依赖） #

import csv
import numpy as np

# 按需修改文件路径和随机数范围
input_file = "SNP.csv"
output_file = "SNP_result.csv"
val_min = 0
val_max = 1000  # 和示例输出的数值范围匹配

# 读取所有SNP_ID，跳过表头
with open(input_file, "r", newline="", encoding="utf-8") as f:
    reader = csv.reader(f)
    next(reader)
    snp_list = [row[0] for row in reader if row]

# 一次性批量生成对应数量的随机浮点数，保留1位小数
rand_vals = np.round(np.random.uniform(val_min, val_max, size=len(snp_list)), 1)

# 按要求格式写入结果
with open(output_file, "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    for snp_id, val in zip(snp_list, rand_vals):
        writer.writerow([snp_id, val])

方案2：pandas简洁实现（适合已安装pandas的分析环境） #

import pandas as pd
import numpy as np

# 读取数据
df = pd.read_csv("SNP.csv")
# 生成指定范围的1位小数随机数
df["rand_val"] = np.round(np.random.uniform(0, 1000, len(df)), 1)
# 输出无表头、逗号分隔的目标格式文件
df.to_csv("SNP_result.csv", index=False, header=False)

注意：如果需要固定随机结果保证实验可复现，在生成随机数的代码前加一行np.random.seed(任意整数)即可，后续每次运行都会生成完全一致的随机数序列。

内容的提问来源于stack exchange，提问作者paul raj