如何按日期对FASTA文件排序，现有代码触发IndexError该如何解决

• 直接原因：get_data函数中直接访问id_name.split("|")[2]，如果FASTA文件中存在任意一条序列头用|分割后元素数量小于3，就会触发索引越界错误。
• 隐藏问题：SeqIO.index的key_function要求返回值为唯一字符串，原代码返回(日期, seguid值)的元组，不符合接口要求，即使解决索引问题后续也会报错。

你可以基于已有的pandas+Biopython逻辑修改，完整可运行代码如下：

from Bio.SeqIO.FastaIO import SimpleFastaParser
from Bio import SeqIO
from Bio.SeqRecord import SeqRecord
from Bio.Seq import Seq
import pandas as pd

# 配置输入输出路径
input_fasta = "F:/newone.fasta"
output_sorted_fasta = "F:/sorted_newone.fasta"

# 读取所有序列信息，提取日期字段
seq_list = []
with open(input_fasta, encoding='utf-8') as f:
    for header, sequence in SimpleFastaParser(f):
        header_split = header.split("|")
        # 安全获取日期字段，格式不符合的默认赋值为最早日期，排序时会放到最前
        seq_date = header_split[2] if len(header_split) >=3 else "1900-01-01"
        seq_list.append({
            "header": header,
            "sequence": sequence,
            "date": seq_date
        })

# 转换为DataFrame按日期排序
df = pd.DataFrame(seq_list)
# 转换为日期格式，解析失败的会被标记为NaT，排序时放到最后
df["date"] = pd.to_datetime(df["date"], errors="coerce")
# 升序为从早到晚排序，加ascending=False可改为从晚到早
df_sorted = df.sort_values(by="date", na_position="last").reset_index(drop=True)

# 导出排序后的FASTA文件
sorted_records = []
for _, row in df_sorted.iterrows():
    record = SeqRecord(
        seq=Seq(row["sequence"]),
        id=row["header"],
        description=""
    )
    sorted_records.append(record)

SeqIO.write(sorted_records, output_sorted_fasta, "fasta")

• 兼容异常序列：格式不符合的序列不会触发报错，会自动排在结果的最前/最后，可根据需求调整默认日期值
• 排序逻辑准确：基于pandas内置的日期类型排序，无需手动处理日期字符串拆分对比
• 适配原始需求：保留了所有原始序列的头信息和序列信息，不会修改序列内容

内容的提问来源于stack exchange，提问作者khashayar ehteshami