码迷,mamicode.com
首页 > 编程语言 > 详细

Python Treelib 多叉树 数据结构 中文使用帮助文档

时间:2019-11-21 20:11:03      阅读:384      评论:0      收藏:0      [点我收藏+]

标签:net   pip   rtl   href   子节点   rev   pat   lib   计算机编程   



树,对于计算机编程语言来说是一个重要的数据结构。它具有广泛的应用,比如文件系统的分层数据结构和机器学习中的一些算法。这里创建了treelib来提供Python中树数据结构的高效实现。

官方文档:https://treelib.readthedocs.io/en/latest/

1.安装
主要通过pip和easy_install进行安装

windows下:pip install treelib


Linux下:sudo easy_install -U treelib


License许可:

Redistributed under Apache License (2.0) since version 1.3.0.

2.类定义
主要分为Tree和Node两个类,以支持多叉树的实现

2.1.Tree类
魔法方法:
构造函数:新建一棵树或通过深拷贝、浅拷贝方式复制一棵树

Tree(self, tree=None, deep=False)

len取长度:返回树的节点个数,同Tree.size()

len(Tree)

str字符串:Tree对象转换为str对象,可输出

str(Tree)

unicode字符串:Tree对象转换为unicode对象,可输出

unicode(Tree)

方法:

add_node(self, node, parent=None)

向树添加一个node节点,该节点为Node类对象,其父节点为parent

all_nodes(self)

以list返回所有节点

children(self, nid)

返回以nid为标识(identifier)子节点,nid不存在则返回list为空

contains(self, nid)

检查树中是否包含以nid为标识的节点

create_node(self, tag=None, identifier=None, parent=None, data=None)

以parent为父节点,在树上创建一个节点(类似于创建Node对象,在add_node添加Node)

depth(self, node=None)

返回树的深度(int),若给定node则返回以该节点为根的树的深度

expand_tree(self, nid=None, mode=1, filter=None, key=None, reverse=False)

Python生成器,松散地基于 John R. Anderson, Albert T. Corbett, and Brian J. Reiser的一个算法 (’Essential LISP’ , page 239-241)

UPDATE: the @filter function is performed on Node object during traversing.
UPDATE: the @key and @reverse are present to sort nodes at each level.

get_node(self, nid)

返回以nid为标识的节点,nid不存在则返回为空

is_branch(self, nid)

返回以nid为节点的子节点标识(identifier)的list列表,nid不存在则返回list为空

leaves(self, root=None)

返回所有叶节点对象list列表,若给定root则返回以root为根节点的树的所有叶节点对象list列表

level(self, nid, filter=None)

返回指定深度的所有节点,根节点按深度0计算
Update: @filter params is added to calculate level passing exclusive nodes.

link_past_node(self, nid)

将某节点的父节点与子节点链接的方法,将该节点从树上删除

比如, 一个a -> b -> c树 ,删除b节点, 则剩下a -> c树

move_node(self, source, destination)

将source的节点移动至destination的子节点

parent(self, nid)

返回以nid为标识的节点的父节点

paste(self, nid, new_tree, deepcopy=False)

粘贴树,通过连接new_tree的根节点与nid标识的节点,设置deepcopy可进行深拷贝
Update: add @deepcopy of pasted tree.

paths_to_leaves(self)

取得根节点到每一个叶节点的标识路径,返回值为标识list列表的list列表(二重列表),根节点不省略

比如一棵树:

Harry
|___ Bill
|___ Jane
| |___ Diane
| |___ George
| |___ Jill
| |___ Mary
| |___ Mark
1

输出结果:

[[‘harry‘, ‘jane‘, ‘diane‘, ‘mary‘],
[‘harry‘, ‘jane‘, ‘mark‘],
[‘harry‘, ‘jane‘, ‘diane‘, ‘george‘, ‘jill‘],
[‘harry‘, ‘bill‘]]

 

remove_node(self, identifier)

移除以nid标识的节点,同时移除其所有的子节点
返回值为移除的节点个数

remove_subtree(self, nid)


移除以nid标识为根节点的一棵子树
返回值为移除该子树的树,nid不存在则返回一个空树

该方法类似于remove_node(self,nid) 实现效果相同但返回值不同:

remove_node 返回移除的节点个数
remove_subtree 返回移除该子树的树

建议使用remove_node来删除节点,因为remove_subtree将消耗内存以存储新树(返回值)

rsearch(self, nid, filter=None)

遍历从以nid为标识的节点到根节点的路径(枝)

save2file(self, filename, nid=None, level=0, idhidden=True, filter=None, key=None, reverse=False, line_type=uascii-ex, data_property=None)

将树保存到文件,以作离线分析

show(self, nid=None, level=0, idhidden=True, filter=None, key=None, reverse=False, line_type=uascii-ex, data_property=None)

输出树结构

siblings(self, nid)

返回以nid为标识的节点的兄弟节点
返回值为兄弟节点list列表,根节点无兄弟节点,返回空列表

size(self, level=None)

返回指定深度(level)节点个数,若无指定则返回整棵树节点个数

subtree(self, nid)

浅拷贝方式建立一个以nid为标识的节点作为根节点的子树,nid不存在则返回一个空树

若使用深拷贝,则请使用构造函数建立新树,如下:

e.g. 

new_tree = Tree(t.subtree(t.root), deep=True)

 

to_dict(self, nid=None, key=None, sort=True, reverse=False, with_data=False)

将树转换为dict字典

to_json(self, with_data=False, sort=True, reverse=False)

将树转换为JSON格式输出

2.2.Node类
魔法方法:
构造函数:新建一个Node节点对象

变量 名称 说明
tag 标签 树输出时显示,默认为随机值
identifier 标识 树中唯一,不可重复,默认为随机值
data 数据 存储节点中数据

Node(self, tag=None, identifier=None, expanded=True, data=None)

方法:

is_leaf(self)

检查该节点是否是叶节点,返回布尔值

is_root(self)

检查该节点是否是根节点,返回布尔值

update_bpointer(self, nid)

设置_bpointer指针

update_fpointer(self, nid, mode=0)

设置_fpointer指针

3.实际应用


来源于官方帮助文档:treelib.readthedocs.io

3.1.基本用法
下面的实例,展示了建立一棵树的基本方法

 1 >>> from treelib import Node, Tree
 2 >>> tree = Tree()
 3 >>> tree.create_node("Harry", "harry") # root node
 4 >>> tree.create_node("Jane", "jane", parent="harry")
 5 >>> tree.create_node("Bill", "bill", parent="harry")
 6 >>> tree.create_node("Diane", "diane", parent="jane")
 7 >>> tree.create_node("Mary", "mary", parent="diane")
 8 >>> tree.create_node("Mark", "mark", parent="jane")
 9 >>> tree.show()
10 Harry
11 ├── Bill
12 └── Jane
13 ├── Diane
14 │ └── Mary
15 └── Mark

3.2.API 样例
下面根据上述的数作为例子,展示一部分API用法样例
* 例1:利用特殊方法扩展一棵树

1 >>> print(,.join([tree[node].tag for node in 2 tree.expand_tree(mode=Tree.DEPTH)]))
3 Harry,Bill,Jane,Diane,Mary,Mark

例2:利用自定义过滤扩展一棵树

1 >>> print(,.join([tree[node].tag for node in 2 tree.expand_tree(filter = lambda x: 3 x.identifier != diane)]))
4 Harry,Bill,Jane,Mark

例3:获得以“‘diane”为根节点的子树

1 >>> sub_t = tree.subtree(diane)
2 >>> sub_t.show()
3 Diane
4 └── Mary

例4:复制以“‘diane”为根节点的子树

 1 >>> new_tree = Tree()
 2 >>> new_tree.create_node("n1", 1) # root node
 3 >>> new_tree.create_node("n2", 2, parent=1)
 4 >>> new_tree.create_node("n3", 3, parent=1)
 5 >>> tree.paste(bill, new_tree)
 6 >>> tree.show()
 7 Harry
 8 ├── Bill
 9 │ └── n1
10 │ ├── n2
11 │ └── n3
12 └── Jane
13 ├── Diane
14 │ └── Mary
15 └── Mark

例5:从树上删除已存在节点

1 >>> tree.remove_node(1)
2 >>> tree.show()
3 Harry
4 ├── Bill
5 └── Jane
6 ├── Diane
7 │ └── Mary
8 └── Mark

例6:将节点移动至另一父节点

1 >>> tree.move_node(mary, harry)
2 >>> tree.show()
3 Harry
4 ├── Bill
5 ├── Jane
6 │ ├── Diane
7 │ └── Mark
8 └── Mary

例7:获得树深度

>>> tree.depth()
2

例8:获得节点所在深度

>>> node = tree.get_node("bill")
>>> tree.depth(node)
1

例9:输出树结构
以“ascii-em”形式输出:

>>> tree.show(line_type="ascii-em")
Harry
╠══ Bill
╠══ Jane
║ ╠══ Diane
║ ╚══ Mark
╚══ Mary

以JSON格式输出:

>>> print(tree.to_json(with_data=True))
{"Harry": {"data": null, "children": [{"Bill": {"data": null}}, {"Jane": {"data": null, "children": [{"Diane": {"data": null}}, {"Mark": {"data": null}}]}}, {"Mary": {"data": null}}]}}


3.3.更多用法
有时,你需要树来存储你的数据结构,在最新版本的treelib当中支持了.data属性,可以存储任何数据。
比如,定义一个Flower类:

>>> class Flower(object):     def __init__(self, color):     self.color = color


于是可以建立Flower树:

>>> ftree = Tree()
>>> ftree.create_node("Root", "root", data=Flower("black"))
>>> ftree.create_node("F1", "f1", parent=root, data=Flower("white"))
>>> ftree.create_node("F2", "f2", parent=root, data=Flower("red"))


按照.data的属性输出树结构:

1 >>> ftree.show(data_property="color")
2 black
3 ├── white
4 └── red

 

注意:在1.2.5版本之前,你需要继承并重写Node类方法,比如:

1 >>> class FlowerNode(treelib.Node): 2     def __init__(self, color): 3       self.color = color
4 >>> # create a new node
5 >>> fnode = FlowerNode("white")

 


————————————————
版权声明:本文为CSDN博主「KAlbertLee」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/KAlbertLee/article/details/70158015

Python Treelib 多叉树 数据结构 中文使用帮助文档

标签:net   pip   rtl   href   子节点   rev   pat   lib   计算机编程   

原文地址:https://www.cnblogs.com/wt869054461/p/11907730.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!