Python用for循环转FASTA为字典仅捕获最后一条序列的问题

问题根源 #

你的原代码核心问题是变量初始化的缩进位置错误：

• sequencedict = {}放在for循环内部，导致每遍历一行就重新创建空字典，之前读取的序列数据全部被覆盖，最终只保留最后一行的处理结果。
• 另外sequence = ''也在循环内，会导致同一条序列的多行碱基无法累加，只能保留当前行的片段。

原代码问题分析 #

def read_fasta():
    with open('../data/problem_1_question_4_new.fasta', 'r') as fasta:
        for line in fasta:
            rows = line.split()
            sequencedict = {}  # 每次循环重置字典，之前数据丢失
            sequence = ''     # 每次循环重置序列，无法累加多行碱基
            if str(rows)[2] == '>':
                sequencename = str(rows)[3:-2]
            else:
                sequence += str(rows)[2:-2]
            sequencedict[sequencename] = sequence
    return(sequencedict)
print(read_fasta())

顺便提一句：用str(rows)[2]判断行首>的写法非常不严谨，它依赖列表转字符串后的固定格式，只要文件行出现空格或格式变化，这个判断就会失效。

优化后的正确实现 #

你已经把sequencedict = {}移到了循环外，解决了字典重置的问题，但sequence = ''的位置仍有问题，无法实现序列的多行累加。这里提供更可靠的实现：

def read_fasta():
    sequencedict = {}
    current_seq = ''
    current_name = ''
    with open('../data/problem_1_question_4_new.fasta', 'r') as fasta:
        for line in fasta:
            line = line.strip()  # 去除换行符和首尾空格
            if not line:  # 跳过空行
                continue
            # 识别序列名称行
            if line.startswith('>'):
                # 先把上一条序列存入字典（如果存在）
                if current_name:
                    sequencedict[current_name] = current_seq
                # 初始化新序列的名称和内容
                current_name = line[1:].strip()
                current_seq = ''
            else:
                # 累加当前行的碱基到序列中
                current_seq += line
        # 处理文件末尾的最后一条序列
        if current_name:
            sequencedict[current_name] = current_seq
    return sequencedict

print(read_fasta())

关键修复点 #

1. sequencedict在函数开头初始化，全程复用不会被重置
2. 用current_seq和current_name追踪当前处理的序列，遇到新的名称行才重置序列，实现多行碱基的累加
3. 用line.startswith('>')直接判断名称行，比转字符串取索引的写法更稳定
4. 补充处理文件末尾的最后一条序列，避免遗漏

内容的提问来源于stack exchange，提问作者ecask