Python使用SeqIO处理FASTA文件重复序列ID输出格式调整问题

原有代码每次遍历到重复序列对应的记录就单独调用print()，print()默认会在输出结尾添加换行符，因此每个ID单独占一行，调整打印逻辑即可实现预期效果。

修改后的完整代码 #

from Bio import SeqIO

def seqmatchsequence(raw_input):
    records = list(SeqIO.parse(raw_input, "fasta"))
    d = dict()
    for record in records:
        if record.seq in d:
            d[record.seq].append(record)
        else:
            d[record.seq] = [record]
    for seq, record_set in d.items():
        record_count = len(record_set)
        if record_count != 1:
            print(f': ({record_count})')
            # 提取所有ID拼接后一次性打印
            print(', '.join([record.id for record in record_set]))

核心修改点 #

• 提前统计重复序列对应的记录数量，避免重复计算
• 用列表推导式批量提取所有重复记录的ID，使用, 作为分隔符拼接为单个字符串
• 仅调用一次print()输出所有ID，避免自动换行分割内容

内容的提问来源于stack exchange，提问作者Gerard