如何调整Python代码实现自定义概率的单列数据随机替换

你原来的代码触发50%替换的逻辑是random.randint(0, 1)，生成0和1的概率各占一半，要自定义替换概率不需要依赖numpy，直接用Python标准库random自带的random()方法即可，该方法会返回[0,1)区间的均匀随机浮点数，只需要和你设定的概率阈值做比较就能控制触发概率。

另外注意你原有代码存在逻辑问题：遍历geno每个字符时，只要触发替换就直接把整个geno变量覆盖为随机值，后续的字符遍历完全不会生效，下面提供两种常用场景的修改代码：

场景1：整个geno值按指定概率整体替换 #

适合你给出的示例数据里geno是单个值的情况（比如示例里的0、-、1都是单个字符）：

import random

# 自定义替换概率，0.01对应1%替换率，0.05对应5%，按需修改即可
REPLACE_RATE = 0.05
vals = ['*','1','0']

with open("test2.txt","w") as out, open("test.txt", "rt") as f:
    for line in f:
        li = line.strip()
        tabs = li.split("\t")
        geno = tabs[2]
        # 按设定概率触发替换
        if random.random() < REPLACE_RATE:
            geno = random.choice(vals)
        # 写回结果，保留原来的其他列，只替换第三列
        tabs[2] = geno
        out.write("\t".join(tabs) + "\n")

场景2：geno内每个字符单独按指定概率替换 #

如果你的geno是多字符组成的字符串，需要每个字符独立判断是否替换，用以下代码：

import random

# 自定义替换概率，0.01对应1%替换率，0.05对应5%，按需修改即可
REPLACE_RATE = 0.05
vals = ['*','1','0']

with open("test2.txt","w") as out, open("test.txt", "rt") as f:
    for line in f:
        li = line.strip()
        tabs = li.split("\t")
        geno = list(tabs[2]) # 转成列表方便修改单个字符
        for index, x in enumerate(geno):
            if random.random() < REPLACE_RATE:
                geno[index] = random.choice(vals)
        # 转成字符串后写回
        tabs[2] = "".join(geno)
        out.write("\t".join(tabs) + "\n")

• 你只需要修改REPLACE_RATE的数值就能自由调整替换概率，完全不需要引入numpy依赖，适配你的业务场景。

内容的提问来源于stack exchange，提问作者neuron