我必须先整理一条数据才能对其进行分析。
数据（样本）：
3.30.67.10 ['2i69A'，'1sfkA'，'1sfkB'，'1sfkH'，'2hcnA'，'2hcsA'，'2hfzA'，'2of6A'，'2qeqA'，'2qeqB'，'2wa1A'，'2wa1B ，'2wa2A'，'2wa2B'，'4r05A'，'4r8rA'，'4r8sA'，'1pjwA'，'2m0sA'，'4uifA'，'4o6bA'，'2vbcA'，'3gczA'，'1ztxE'， '3c5xC'，'4ctjA'，'4ctkA'，'3u1iA'，'3u1iB'，'3u1jA'，'3u1jB'，'3c6eA'，'3j42A'，'3l6pA'，'3lkwA'，'4al8C'，'4gsxA ，'4gt0A'，'4oigA'，'3j8dB'，'1p58A'，'2m9pA'，'2m9qA'，'3uzvA'，'1uzgA'，'3p8zA'，'3p97A'，'3uzeC'，'3uzeD'， '3vttA'，'2bhrA'，'2bmfA'，'2fomA'，'2fomB'，'4m9fA'，'4m9iA'，'4m9kA'，'4m9mA'，'4m9tA'，'2jlqA'，'2jlrA'，'2jlsA ，'2jluA'，'2jlvA'，'2jlwA'，'2jlxA'，'2jlyA'，'2jlzA'，'2whxA'，'2whxC'，'2wzqA'，'2wzqC'，'3uypB'，'1yzoA'， '1k4rA'，'4alaC'，'1z66A'，'2gg1A'，'3ixyA'，'2hg0A'，'2v6iA'，'2v6jA'，'4r8tA'，'1yksA'，'1ymfA'，'3evaA'，'3evbA ，'3evcA'，'3evdA'，'3eveA'，'3evfA'，'1p58D'，'2b6bA'，'1s6nA'，'1l9kA'，'1oamA'，'1oanA'，'1ok8A'，'1okeA'， '1r6aA'，'1r6rA'，'1thdA'，'2p1dA'，'3j8dG'，'3j8dH'，'3zkoA'，'4tplA'，'4uifB'，'4ut6A'，'4ut 9A'，'4utaA'，'4utbA'，'4utcA'，'3g7tA'，'3j05A'，'4cauA'，'4cbfA'，'4cbfB'，'3j35A'，'1tc7C'，'2fp7A'，'2fp7B' ，'2g05D'，'2ggvA'，'2ggvB'，'2ijoA'，'2ijoB'，'2p5pA'，'2yolA'，'3e90A'，'3e90B'，'3e90C'，'4r8tB'，'4c2iA'，' 2oxtA'，'3egpA'，'3ircA'，'4ffyA'，'4ffzA'，'4l5fE'，'2jqmA'，'2jv6A'，'4am0A'，'4am0Q'，'4am0R'，'4fg0A'，'4bz1A' ，'4bz2A'，'2p3qA'，'2xbmA'，'3c5xA'，'2oy0A'，'3i50E'，'3iywA'，'3j0bA'，'3lkzA'，'4o6cA'，'4o6dA'，'4oieA'，' 4oiiA'，'3c6dA'，'2r6pA'，'2p3lA'，'2p3oA'，'2p40A'，'2p41A'，'1urzA'，'2px2A'，'2px4A'，'2px5A'，'2px8A'，'2pxaA' ，'2pxcA'，'2v8oA'，'2wv9A'，'3c6dD'，'3c6eC'，'3j42D'，'2z83A'，'3p54A'，'4hdgA'，'4hdhA'，'4k6mA'，'4mtpA'，' 4mtpD'，'2jsfA'，'2r69A'，'3c6rA'，'3c6rD'，'3ixyD'，'3iyaA'，'3iyaD'，'3ixxA'，'2r29A'，'3evgA'，'1df9A'，'2qidA' ，'3j27A'，'3j27B'，'3j2pA'，'3j2pB'，'4uihA'，'3uzqB'，'1befA'，'1tg8A'，'1tgeA'，'3ixxD'，'5a1zA'，'1n6gA'，' 1na4A'，'1svbA'，'4azxA'，'4azxD'，'4b03A'，'4b03D'，'4c2iB'，'4cctA'，'4cctD'，'2h0pA'，'3uajB'，'3uc0 A'，'3uc0B'，'3we1A'，'2j7uA'，'2j7wA'，'3j6sA'，'3j6sB'，'3j6tA'，'3j6tB'，'3j6uA'，'3j6uB'，'3vwsA'，'4c11A' ，“ 4hhjA”，“ 4v0qA”，“ 4v0rA”]
如您所见，某些数据的前4位类似“ 1sfk”。如果它们共享前4位数字，则表示它们属于相同的结构，我需要为每个完整的蛋白质代码（5位数字，例如1sfkA或1sfkB）（在PDBSum数据库中找到）存储唯一的UniProt码，在该4位以下数字代码。
为此，我创建了以下代码和平：
for domain in dDomainSeqSum.keys():# CHANGE TO COMPRESS FILE
dDomainSeqSumSWS[domain]={}
for pdb in dDomainSeqSum[domain]:#add sws of a pdb in a variable and later add that variable to the domain thing
pdb1 = list(pdb)#split is not working
pdb2 = pdb1[0]+pdb1[1]+pdb1[2]+pdb1[3]
dDomainSeqSumSWS[domain][pdb2]=[]
for i in range(len(PDBSum)): #make pdb3 search and then compare to the pdb stored
if pdb in PDBSum[i]:
if "SWS_ID" in PDBSum[i]:
line = PDBSum[i].split()
if pdb2 not in dDomainSeqSumSWS:
dDomainSeqSumSWS[domain][pdb2]=[line[2]]
else:
dDomainSeqSumSWS[domain][pdb2].append(line[2])
运行两个代码后，这是我得到的结果：
{'3.30.67.10'：{'4c2i'：['G3F5K5']，'2p3l'：['Q9WLZ5']，'4uta'：['Q68Y26']，'4utc'：['Q68Y26']，'4utb '：['Q68Y26']，'1urz'：['Q80E47']，'3l6p'：['P17763']，'1tge'：['P27914']，'3evb'：['P03314']，'2vbc '：['Q2TN89']，'3eva'：['P03314']，'3evf'：['P03314']，'3evg'：['P29991']，'3evd'：['P03314']，'3eve '：['P03314']，'2p1d'：['P12823']，'3j42'：['Q3BCY5']，'2jlx'：['Q2YHF0']，'2jly'：['Q2YHF0']，'2jlz '：['Q2YHF0']，'2jlu'：['Q2YHF0']，'2jlv'：['Q2YHF0']，'2jlw'：['Q2YHF0']，'1oke'：['P12823']，'2jlq '：['Q2YHF0']，'2jlr'：['Q2YHF0']，'2jls'：['Q2YHF0']，'2wv9'：['P05769']，'2z83'：['P27395']，'4hdh '：['P27395']，'2hcn'：['P14335']，'2oxt'：['A0EKU1']，'1tg8'：['P27914']，'4hdg'：['P27395']，'4ut9 '：['Q68Y26']，'3e90'：['P06935']，'4am0'：['Q58HT7']，'4ut6'：['Q68Y26']，'1ok8'：['P12823']，'4ffy '：['Q9J7C6']，'4ffz'：['Q88640']，'4b03'：['G3F5K5']，'2m9p'：['P14337']，'2m9q'：['P14337']，'4fg0 '：['P09732']，'4azx'：['G3F5K5']，'2hcs'：['P14335']，'4hhj'：['Q6DLV0']，'4mtp'：['P27395']，'3j8 d'：['P12823']，'3uc0'：['P09866']，'4l5f'：['Q8BE40']，'4m9t'：['Q91H74']，'4m9k'：['Q91H74']，' 4m9i'：['Q91H74']，'2of6'：['P14335']，'2px5'：['P05769']，'4m9m'：['Q91H74']，'4m9f'：['Q91H74']，' 3j0b'：['Q9Q6P4']，'5a1z'：['G9FRP5']，'4r8r'：['C1KBQ3']，'4r8s'：['C1KBQ3']，'1l9k'：['P12823']，' 1svb'：['P14336']，'4r8t'：['O90417']，'2hfz'：['P14335']，'2v6j'：['Q32ZD5']，'3zko'：['P12823']，' 2ggv'：['P06935']，'2v6i'：['Q32ZD5']，'3u1j'：['Q5UB51']，'3u1i'：['Q5UB51']，'4oig'：['P17763']，' 4ala'：['Q7TGD1']，'3p97'：['P27915']，'3p8z'：['P27915']，'2pxc'：['P05769']，'4gsx'：['P17763']，' 2pxa'：['P05769']，'4oii'：['Q9Q6P4']，'1bef'：['Q9Q4T1']，'3evc'：['P03314']，'3j05'：['Q689G3']，' 3egp'：['Q9J7C6']，'2yol'：['P06935']，'2v8o'：['P05769']，'4r05'：['C1KBQ3']，'1n6g'：['P14336']，' 3lkz'：['Q9Q6P4']，'4cau'：['Q689G3']，'2px2'：['P05769']，'2gg1'：['P29837']，'4al8'：['P17763']，' 2px4'：['P05769']，'3lkw'：['P17763']，'2r69'：['P18356']，'2r6p'：['Q66394']，'3j6s'：['Q6DLV0']，' 3j6 u'：['Q6DLV0']，'1sfk'：['P14335']，'1z66'：['P29837']，'3uaj'：['P09866']，'3iyw'：['Q9Q6P4']，' 3j35'：['E7FLK7']，'4k6m'：['P27395']，'2fom'：['Q91H74']，'3vws'：['Q6DLV0']，'3vtt'：['P27915']，' 3iya'：['P18356']，'2p5p'：['P06935']，'2hg0'：['Q91R00']，'2jqm'：['Q6DV88']，'2p41'：['Q9WLZ5']，' 4v0r'：['Q6DLV0']，'4tpl'：['Q5SBG8']，'1yks'：['P03314']，'4bz1'：['Q7TGC7']，'4bz2'：['Q7TGC7']，' 1thd'：['P12823']，'2m0s'：['Q9YKL3']，'4cbf'：['E0WXI2']，'3ixx'：['Q3I100']，'3ixy'：['P18356']，' 2px8'：['P05769']，'1ztx'：['Q91KZ4']，'2fp7'：['P06935']，'4uif'：['E0WXJ3']，'4uih'：['P14340']，' 3uzq'：['P27909']，'4c11'：['Q6DLV0']，'1p58'：['Q9WDA7']，'4cct'：['G3F5K5']，'2r29'：['P29991']，' 2p40'：['Q9WLZ5']，'1na4'：['P14336']，'1ymf'：['P03314']，'3uzv'：['P07564']，'1r6r'：['P12823']，' 3c5x'：['Q6H1E5']，'2xbm'：['C0LMU5']，'3g7t'：['Q689G3']，'2g05'：['P06935']，'1r6a'：['P12823']，' 3uze'：['P27915']，'2whx'：['Q2YHF0']，'3p54'：['P27395']，'1k4r'：['C3V005']，'3i50'：['Q9Q6P4']，' 3c6 d'：['Q3BCY5']，'3c6e'：['Q3BCY5']，'4o6c'：['Q9Q6P4']，'4o6b'：['P29990']，'4o6d'：['Q9Q6P4']，' 2ijo'：['P06935']，'2wa2'：['Q8QL64']，'1tc7'：['P06935']，'3j27'：['P14340']，'2wa1'：['Q8QL64']，' 3gcz'：['Q7T918']，'2p3q'：['Q20IJ2']，'2jsf'：['P18356']，'3we1'：['P09866']，'1df9'：['P14340']，' 4gt0'：['P17763']，'3c6r'：['P18356']，'3j2p'：['P14340']，'3irc'：['Q9J7C6']，'2oy0'：['Q9Q6P4']，' 3uyp'：['Q2YHF0']，'2qeq'：['P14335']，'2jv6'：['Q6DV88']，'2qid'：['P14340']，'1oan'：['P12823']，' 1oam'：['P12823']，'2b6b'：['Q9WDA7']，'2bmf'：['Q91H74']，'2i69'：['Q80QJ9']，'2j7w'：['Q6DLV0']，' 4v0q'：['Q6DLV0']，'1yzo'：['P29838']，'1s6n'：['Q913C7']，'4oie'：['Q9Q6P4']，'2bhr'：['Q91H74']，' 3j6t'：['Q6DLV0']，'2p3o'：['Q9WLZ5']，'4ctk'：['A9LIE0']，'4ctj'：['A9LIE0']，'2j7u'：['Q6DLV0']，' 1pjw'：['Q9J0X3']，'1uzg'：['P27915']，'2h0p'：['P09866']，'2wzq'：['Q2YHF0']}}
如您所见，1sfk被覆盖，它应该具有3个单独的UniProt代码
最佳答案
您在两个地方遇到问题（另一个答案也表明了这一点）-
首先是将dDomainSeqSumSWS[domain][pdb2]写为空列表-dDomainSeqSumSWS[domain][pdb2]=[]的地方。
第二个条件是-if pdb2 not in dDomainSeqSumSWS:-始终为False，因为pdb2是dDomainSeqSumSWS[domain]词典中的键，而不是dDomainSeqSumSWS词典中的键。
实际上，您实际上不需要上述任何一项，而是应该查看为此专用的dict.setdefault。范例-
for domain in dDomainSeqSum.keys():# CHANGE TO COMPRESS FILE
dDomainSeqSumSWS[domain]={}
for pdb in dDomainSeqSum[domain]:#add sws of a pdb in a variable and later add that variable to the domain thing
pdb2 = pdb[:4] #you do not need to convert to list for indexing and you can slice the first four characters off.
dDomainSeqSumSWS[domain][pdb2]=[]
for i in range(len(PDBSum)): #make pdb3 search and then compare to the pdb stored
if pdb in PDBSum[i]:
if "SWS_ID" in PDBSum[i]:
line = PDBSum[i].split()
dDomainSeqSumSWS[domain].setdefault(pdb2,[]).append(line[2])
dict.setdefault将key作为第一个参数，将默认值作为第二个参数，并在字典中不存在该键的情况下设置该值并返回该值。否则，如果键存在于字典中，则仅返回该值的值。另外，我更改了将
pdb转换为索引所需的list()的行（可以为字符串建立索引），并且可以使用切片从字符串中获取前四个字符。