先纠正一个关键点：.bim 里没有“基因分型数据”，它只包含 SNP注释信息。真正的基因型在：

• .bed（二进制基因型）
• .bim（SNP信息）
• .fam（样本信息）

🧠 你真正想做的是：

👉 “从 .bim 里筛选常染色体 SNP，然后提取对应的基因型”

正确流程是：
用 .bim 过滤 SNP → 再从 .bed/plink 输出 genotype

✅ Step 1：读取 .bim，筛选常染色体 SNP

.bim 格式：

Python筛选 autosome（1–22）

import pandas as pd

bim = pd.read_csv("551S.bim", sep="\t", header=None)

bim.columns = ["CHR", "SNP", "CM", "BP", "A1", "A2"]

autosome = bim[bim["CHR"].isin(range(1, 23))]

⚠️ 注意

.bim 里的 CHR 有时是字符串：

bim["CHR"] = bim["CHR"].astype(str).replace("X", "23")
bim["CHR"] = pd.to_numeric(bim["CHR"], errors="coerce")

❗关键：你还没有 genotype 数据！

.bim 只是索引，不含基因型。

✅ Step 2：从 PLINK 提取 autosome genotype（推荐方法）

方法A（最标准：PLINK）

plink \
  --bfile 551S \
  --chr 1-22 \
  --recode A \
  --out autosome_genotype

输出：

autosome_genotype.raw

✔ 直接得到：

| FID | IID | SNP1 | SNP2 | ... |

方法B（更推荐：VCF）

plink --bfile 551S --chr 1-22 --recode vcf --out autosome

方法C（Python + pandas + PLINK2）

plink2 \
  --bfile 551S \
  --chr 1-22 \
  --export A \
  --out autosome

🚀 如果你真的想“Python直接读基因型”

可以用：

👉 pandas-plink

from pandas_plink import read_plink1_bin

(bim, fam, G) = read_plink1_bin("551S.bed")

然后筛选：

autosome = bim[bim.chromosome.isin(range(1, 23))]
G_auto = G[:, bim.chromosome.isin(range(1, 23))]

🧠 总结一句话

❌ .bim = SNP信息（不是基因型）
✅ 基因型在 .bed
👉 必须通过 PLINK 或 pandas-plink 才能提取

如果你下一步想做👇我可以继续帮你

• PCA（plink2 / smartpca）
• GWAS QC pipeline
• imputation前 SNP filtering
• X染色体单独处理策略
• VCF ↔ PLINK 转换优化

直接说你的目标就行。