পাইথনে আমি কীভাবে একটি গাছ প্রয়োগ করতে পারি?


203

আমি একটি সাধারণ গাছ নির্মাণের চেষ্টা করছি।

পাইথনে এটি প্রয়োগের জন্য কোনও বিল্ট-ইন ডেটা স্ট্রাকচার রয়েছে কি?


5
laurentluce.com/posts/binary-search-tree-library-in-python দুর্দান্ত ব্যাখ্যা ....।
GRvTyagi

@ GrvTyagi লিঙ্কটি কাজ করছে না।
টনি লুকাস

উত্তর:


231

anytree

আমি https://pypi.python.org/pypi/anytree (আমি লেখক) প্রস্তাব দিচ্ছি

উদাহরণ

from anytree import Node, RenderTree

udo = Node("Udo")
marc = Node("Marc", parent=udo)
lian = Node("Lian", parent=marc)
dan = Node("Dan", parent=udo)
jet = Node("Jet", parent=dan)
jan = Node("Jan", parent=dan)
joe = Node("Joe", parent=dan)

print(udo)
Node('/Udo')
print(joe)
Node('/Udo/Dan/Joe')

for pre, fill, node in RenderTree(udo):
    print("%s%s" % (pre, node.name))
Udo
├── Marc
   └── Lian
└── Dan
    ├── Jet
    ├── Jan
    └── Joe

print(dan.children)
(Node('/Udo/Dan/Jet'), Node('/Udo/Dan/Jan'), Node('/Udo/Dan/Joe'))

বৈশিষ্ট্য

যে কোনও সাথে এর একটি শক্তিশালী এপিআই রয়েছে:

  • সাধারণ গাছের সৃষ্টি
  • সাধারণ গাছ পরিবর্তন
  • প্রাক অর্ডার গাছ পুনরাবৃত্তি
  • অর্ডার পোস্ট ট্রি পুনরাবৃত্তি
  • আপেক্ষিক এবং পরম নোড পাথগুলি সমাধান করুন
  • একটি নোড থেকে অন্য একটি হাঁটা।
  • বৃক্ষ রেন্ডারিং (উপরে উদাহরণ দেখুন)
  • নোড সংযুক্ত / হুকআপগুলি বিচ্ছিন্ন করুন

31
কেবল সর্বোত্তম উত্তর, অন্যরা হুইলটি পুনরায় উদ্ভাবন করছে।
ndন্দ্রজ

66
আপনার উত্তরে আপনি যে প্যাকেজটির প্রস্তাব দিচ্ছেন সেটির লেখক আপনি তা প্রকাশ করা ভাল ফর্ম।
জন ওয়াই

3
@ c0fec0de আমি তোমাকে ভালবাসি !!!! এই গ্রন্থাগারটি আশ্চর্যজনক, এমনকি একটি ভিজ্যুয়ালাইজেশন কার্যকারিতা রয়েছে
লেবার

2
@ ওন্ড্রেজ ঠিক আছে অন্যান্য উত্তরগুলি নির্ভরতা কম এবং মূল প্রশ্নটি বিল্ট-ইন ডেটা-কাঠামো সম্পর্কে জিজ্ঞাসা করেছিল। anytreeসম্ভবত একটি দুর্দান্ত গ্রন্থাগার হলেও এটি একটি অজগর প্রশ্ন, নোড.জেএস প্রশ্ন নয়।
রব রোজ

আমি গুগলের মাধ্যমে এই উত্তরটি পেরিয়ে এসেছি। এই গ্রন্থাগারটি সত্যিই দুর্দান্ত। আমি বিশেষত যে কোনও বস্তুর গাছ তৈরি করতে মিক্সিন ক্লাস ব্যবহার করার ক্ষমতাটি পছন্দ করি!
রাক নিথিং

104

জাভা যেমন পাইথনের "বিল্ট-ইন" ডেটা স্ট্রাকচারের বিস্তৃত বিস্তৃত পরিধি রাখেনি। তবে পাইথন গতিশীল হওয়ার কারণে একটি সাধারণ গাছ তৈরি করা সহজ। উদাহরণস্বরূপ, একটি বাইনারি গাছ হতে পারে:

class Tree:
    def __init__(self):
        self.left = None
        self.right = None
        self.data = None

আপনি এটি এর মতো ব্যবহার করতে পারেন:

root = Tree()
root.data = "root"
root.left = Tree()
root.left.data = "left"
root.right = Tree()
root.right.data = "right"

109
এটি কার্যকরভাবে গাছ কার্যকর করার বিষয়ে খুব বেশি ব্যাখ্যা করে না।
মাইক গ্রাহাম

14
প্রশ্নটি পাইথন 3 এর সাথে ট্যাগ করা আছে, তখন কোনও class Treeবস্তু থেকে
উত্পন্ন

3
@ সিপিএ থেকে ডেরাইভিং objectহ'ল মাঝে মাঝে কেবল একটি গাইডলাইন: কোনও শ্রেণি যদি অন্য কোনও বেস শ্রেণীর থেকে উত্তরাধিকার সূত্রে আসে তবে স্পষ্টভাবে বস্তু থেকে উত্তরাধিকার সূত্রে প্রাপ্ত। এটি নেস্টেড ক্লাসগুলিতেও প্রযোজ্য। দেখুন গুগল পাইথন স্টাইল গাইড
কনরাড Reiche

16
@ প্লাটজির্স্চ: দয়া করে গাইডলাইনটি পুরোপুরি পড়ুন এবং উদ্ধৃত করুন: গুগল স্পষ্টভাবে উল্লেখ করেছে যে পাইথন 2 কোডের প্রত্যাশা অনুযায়ী কাজ করার জন্য এটি প্রয়োজন এবং পাই 3 এর সাথে সামঞ্জস্যতা উন্নত করার পরামর্শ দেওয়া হয়েছে। এখানে আমরা পাই 3 কোড সম্পর্কে কথা বলছি। অতিরিক্ত, লিগ্যাসি টাইপ করার দরকার নেই।
cfi

13
এটি একটি বাইনারি গাছ, অনুরোধকৃত সাধারণ গাছ নয়।
মাইকেল ডোনার

49

জেনেরিক ট্রি হ'ল শূন্য বা ততোধিক শিশু সহ একটি নোড, প্রত্যেকে একটি যথাযথ (বৃক্ষ) নোড। এটি বাইনারি গাছের মতো নয়, তারা বিভিন্ন ডেটা স্ট্রাকচার, যদিও উভয়ই কিছু পরিভাষা ভাগ করে।

পাইথনে জেনেরিক গাছগুলির জন্য কোনও বিল্টিন ডেটা কাঠামো নেই তবে এটি ক্লাসগুলির সাথে সহজেই প্রয়োগ করা হয়েছে।

class Tree(object):
    "Generic tree node."
    def __init__(self, name='root', children=None):
        self.name = name
        self.children = []
        if children is not None:
            for child in children:
                self.add_child(child)
    def __repr__(self):
        return self.name
    def add_child(self, node):
        assert isinstance(node, Tree)
        self.children.append(node)
#    *
#   /|\
#  1 2 +
#     / \
#    3   4
t = Tree('*', [Tree('1'),
               Tree('2'),
               Tree('+', [Tree('3'),
                          Tree('4')])])

আশ্চর্যজনক, এটি খুব সহজেই একটি গ্রাফ হিসাবে ব্যবহার করা যেতে পারে! আমি যে সমস্যাটি দেখেছি তা হ'ল: আমি কীভাবে ডান নোড থেকে বাম নোডকে আলাদা করতে পারি?
অ্যাঞ্জেলো পোলোটো

3
শিশুদের সূচক দ্বারা। এই ক্ষেত্রে বামেরা সর্বদা বাচ্চা হবে [0]।
ফ্রেন্ড অ্যালেন

38

আপনি চেষ্টা করতে পারেন:

from collections import defaultdict
def tree(): return defaultdict(tree)
users = tree()
users['harold']['username'] = 'hrldcpr'
users['handler']['username'] = 'matthandlersux'

এখানে প্রস্তাবিত হিসাবে: https://gist.github.com/2012250


যদি আপনি স্তরের একটি একটি অবাধ পরিমাণ বাড়াতে চাই চেক করুন: stackoverflow.com/a/43237270/511809
natbusa

এই ছায়া গো ফর্ম হ্যাশ অন্তর্নির্মিত।
ট্রিটিয়াম 21

20
class Node:
    """
    Class Node
    """
    def __init__(self, value):
        self.left = None
        self.data = value
        self.right = None

class Tree:
    """
    Class tree will provide a tree as well as utility functions.
    """

    def createNode(self, data):
        """
        Utility function to create a node.
        """
        return Node(data)

    def insert(self, node , data):
        """
        Insert function will insert a node into tree.
        Duplicate keys are not allowed.
        """
        #if tree is empty , return a root node
        if node is None:
            return self.createNode(data)
        # if data is smaller than parent , insert it into left side
        if data < node.data:
            node.left = self.insert(node.left, data)
        elif data > node.data:
            node.right = self.insert(node.right, data)

        return node


    def search(self, node, data):
        """
        Search function will search a node into tree.
        """
        # if root is None or root is the search data.
        if node is None or node.data == data:
            return node

        if node.data < data:
            return self.search(node.right, data)
        else:
            return self.search(node.left, data)



    def deleteNode(self,node,data):
        """
        Delete function will delete a node into tree.
        Not complete , may need some more scenarion that we can handle
        Now it is handling only leaf.
        """

        # Check if tree is empty.
        if node is None:
            return None

        # searching key into BST.
        if data < node.data:
            node.left = self.deleteNode(node.left, data)
        elif data > node.data:
            node.right = self.deleteNode(node.right, data)
        else: # reach to the node that need to delete from BST.
            if node.left is None and node.right is None:
                del node
            if node.left == None:
                temp = node.right
                del node
                return  temp
            elif node.right == None:
                temp = node.left
                del node
                return temp

        return node






    def traverseInorder(self, root):
        """
        traverse function will print all the node in the tree.
        """
        if root is not None:
            self.traverseInorder(root.left)
            print root.data
            self.traverseInorder(root.right)

    def traversePreorder(self, root):
        """
        traverse function will print all the node in the tree.
        """
        if root is not None:
            print root.data
            self.traversePreorder(root.left)
            self.traversePreorder(root.right)

    def traversePostorder(self, root):
        """
        traverse function will print all the node in the tree.
        """
        if root is not None:
            self.traversePostorder(root.left)
            self.traversePostorder(root.right)
            print root.data


def main():
    root = None
    tree = Tree()
    root = tree.insert(root, 10)
    print root
    tree.insert(root, 20)
    tree.insert(root, 30)
    tree.insert(root, 40)
    tree.insert(root, 70)
    tree.insert(root, 60)
    tree.insert(root, 80)

    print "Traverse Inorder"
    tree.traverseInorder(root)

    print "Traverse Preorder"
    tree.traversePreorder(root)

    print "Traverse Postorder"
    tree.traversePostorder(root)


if __name__ == "__main__":
    main()

3
আপনি কি আপনার কোড এবং আপনার প্রয়োগের জন্য কিছু নোট যুক্ত করতে পারেন?
মিশেল ডি'আমিকো

ইউটিলিটি ফাংশন সহ সম্পূর্ণ বাইনারি ট্রি বাস্তবায়নের জন্য ধন্যবাদ। যেহেতু এটি পাইথন 2, তাই পাইথন 3 সংস্করণ প্রয়োজন এমন লোকদের জন্য আমি বাইনারি ট্রি বাস্তবায়ন (পাই 3) এর একটি সূচনা তৈরি করেছি
সিজেড

16

গাছগুলি এখানে অন্তর্নির্মিত নেই, তবে আপনি তালিকা থেকে নোড প্রকারের সাবক্লাসিং করে এবং ট্র্যাভারসাল পদ্ধতিগুলি লিখে সহজেই একটি তৈরি করতে পারেন। আপনি যদি এটি করেন তবে আমি বাইসেক্টকে দরকারী বলে মনে করেছি ।

পাইপিতে এমন অনেকগুলি বাস্তবায়ন রয়েছে যা আপনি ব্রাউজ করতে পারেন।

যদি আমি সঠিকভাবে মনে রাখি, পাইথন স্ট্যান্ডার্ড লাইব .NET বেস ক্লাস লাইব্রেরি না করায় একই কারণে ট্রি ডেটা স্ট্রাকচারকে অন্তর্ভুক্ত করে না: মেমরির লোকালটি হ্রাস করা হয়, ফলে আরও ক্যাশে মিস হয় না। আধুনিক প্রসেসরগুলিতে ক্যাশে মেমরির একটি বৃহত অংশ আনার জন্য এটি সাধারণত দ্রুত হয় এবং "পয়েন্টার সমৃদ্ধ" ডেটা স্ট্রাকচারগুলি সুবিধাটিকে উপেক্ষা করে।


2
এফওয়াইআই: ইন্টারভ্যুবগুলি বুস্টের বিরুদ্ধে ঘৃণা করে প্লাস্টার করা হয়েছে। স্পষ্টতই এটি মোকাবেলায় একটি বিশাল ব্যথা হওয়ার কথা, বিশেষত যেহেতু এর জন্য সমর্থন বন্ধ করা হয়েছে। সুতরাং আমি এ থেকে দূরে থাকার পরামর্শ দেব
ইন্সপেক্টর

ধন্যবাদ। আমার ব্যক্তিগতভাবে কোনও সমস্যা হয়নি, তবে আমি বিভ্রান্ত করতে চাই না তাই আমি সেই উল্লেখটি সরিয়ে দিয়েছি।
জাস্টিন আর।

11

আমি একটি অভিধান হিসাবে একটি মূলী গাছ বাস্তবায়িত {child:parent}। সুতরাং রুট নোডের সাথে উদাহরণস্বরূপ 0, একটি গাছ এর মতো দেখতে পাওয়া যাবে:

tree={1:0, 2:0, 3:1, 4:2, 5:3}

এই কাঠামোটি যে কোনও নোড থেকে মূলের দিকে যাওয়ার পথ ধরে toর্ধ্বমুখী হওয়া বেশ সহজ করে দিয়েছিল, যা আমি কাজ করে যাচ্ছিলাম সমস্যার জন্য প্রাসঙ্গিক।


1
উত্তরটি না দেখে আমি এইভাবেই এটি করার বিষয়ে বিবেচনা করছি। যদিও যেহেতু একটি গাছ দুটি সন্তানের পিতা-মাতা এবং আপনি যদি নীচে যেতে চান তবে আপনি এটি করতে পারেন {parent:[leftchild,rightchild]}
জেএফএ 20'14

1
আরেকটি উপায় হল তালিকার তালিকাগুলি ব্যবহার করা যেখানে তালিকার প্রথম (বা ততোধিক) উপাদানটি নোড মান এবং নীচে নেস্টেড দুটি তালিকা তার বাম এবং ডান সাবট্রিজগুলি উপস্থাপন করে (বা আরও এন-অ্যারি গাছের জন্য)।
পিআরপি

9

গ্রেগ হিউগিলের উত্তর দুর্দান্ত তবে আপনার যদি প্রতিটি স্তরের অধিক নোডের প্রয়োজন হয় তবে সেগুলি তৈরি করতে আপনি একটি তালিকা | অভিধান ব্যবহার করতে পারেন: এবং তারপরে নাম বা আদেশের মাধ্যমে এগুলি অ্যাক্সেসের জন্য পদ্ধতিটি ব্যবহার করুন (আইডির মতো)

class node(object):
    def __init__(self):
        self.name=None
        self.node=[]
        self.otherInfo = None
        self.prev=None
    def nex(self,child):
        "Gets a node by number"
        return self.node[child]
    def prev(self):
        return self.prev
    def goto(self,data):
        "Gets the node by name"
        for child in range(0,len(self.node)):
            if(self.node[child].name==data):
                return self.node[child]
    def add(self):
        node1=node()
        self.node.append(node1)
        node1.prev=self
        return node1

এখন কেবল একটি মূল তৈরি করুন এবং এটি তৈরি করুন: প্রাক্তন:

tree=node()  #create a node
tree.name="root" #name it root
tree.otherInfo="blue" #or what ever 
tree=tree.add() #add a node to the root
tree.name="node1" #name it

    root
   /
child1

tree=tree.add()
tree.name="grandchild1"

       root
      /
   child1
   /
grandchild1

tree=tree.prev()
tree=tree.add()
tree.name="gchild2"

          root
           /
        child1
        /    \
grandchild1 gchild2

tree=tree.prev()
tree=tree.prev()
tree=tree.add()
tree=tree.name="child2"

              root
             /   \
        child1  child2
       /     \
grandchild1 gchild2


tree=tree.prev()
tree=tree.goto("child1") or tree=tree.nex(0)
tree.name="changed"

              root
              /   \
         changed   child2
        /      \
  grandchild1  gchild2

এই কাজটি কীভাবে করা যায় তা নির্ধারণ করা আপনার পক্ষে যথেষ্ট হবে be


এই উত্তরে কিছু অনুপস্থিত রয়েছে, আমি গত 2 দিন ধরে এই সমাধানটি চেষ্টা করছিলাম এবং আমি মনে করি অবজেক্ট অ্যাডিশন পদ্ধতিতে আপনার কিছু যৌক্তিক প্রবাহ রয়েছে। আমি এই প্রশ্নের আমার উত্তর জমা দেব, দয়া করে এটি পরীক্ষা করে দেখুন এবং যদি আমি সহায়তা করতে পারি তবে আমাকে জানান।
মৌলিক মোদি

8
class Tree(dict):
    """A tree implementation using python's autovivification feature."""
    def __missing__(self, key):
        value = self[key] = type(self)()
        return value

    #cast a (nested) dict to a (nested) Tree class
    def __init__(self, data={}):
        for k, data in data.items():
            if isinstance(data, dict):
                self[k] = type(self)(data)
            else:
                self[k] = data

অভিধান হিসাবে কাজ করে, তবে যতটা নেস্টেড ডিক্টস আপনি চান তা সরবরাহ করে। নিম্নলিখিত চেষ্টা করুন:

your_tree = Tree()

your_tree['a']['1']['x']  = '@'
your_tree['a']['1']['y']  = '#'
your_tree['a']['2']['x']  = '$'
your_tree['a']['3']       = '%'
your_tree['b']            = '*'

একটি নেস্টেড ডিক্স প্রদান করবে ... যা আসলে গাছ হিসাবে কাজ করে।

{'a': {'1': {'x': '@', 'y': '#'}, '2': {'x': '$'}, '3': '%'}, 'b': '*'}

... আপনার যদি ইতিমধ্যে ডিক থাকে তবে এটি প্রতিটি স্তরে একটি গাছে ফেলে দেবে:

d = {'foo': {'amy': {'what': 'runs'} } }
tree = Tree(d)

print(d['foo']['amy']['what']) # returns 'runs'
d['foo']['amy']['when'] = 'now' # add new branch

এইভাবে, আপনি প্রতিটি ইচ্ছে মতো স্তর সম্পাদনা / যুক্ত / মুছে ফেলতে পারেন। ট্র্যাভারসাল ইত্যাদির জন্য সমস্ত ডিক পদ্ধতিগুলি এখনও প্রয়োগ হয়।


2
এর dictপরিবর্তে আপনি প্রসারিত করার জন্য কেন কোনও কারণ আছে defaultdict? আমার পরীক্ষাগুলি থেকে defaultdictডিকের পরিবর্তে প্রসারিত করা এবং তারপরে আর ডি self.default_factory = type(self)শীর্ষে যুক্ত করা একইভাবে কাজ করা উচিত।
রব রোজ

আমি সম্ভবত এখানে কিছু মিস করছি, আপনি এই কাঠামোটি কীভাবে নেভিগেট করবেন? বাচ্চাদের কাছ থেকে বাবা-মায়ের কাছে যাওয়া খুব কঠিন বলে মনে হয়, উদাহরণস্বরূপ, অথবা ভাই
স্ট্রমনসন

6

আমি নেস্টেড ডিক্টস ব্যবহার করে গাছ প্রয়োগ করেছি। এটি করা বেশ সহজ এবং এটি আমার জন্য বেশ বড় ডেটা সেট সহ কাজ করেছে। আমি নীচে একটি নমুনা পোস্ট করেছি এবং আপনি গুগল কোডে আরও দেখতে পারেন

  def addBallotToTree(self, tree, ballotIndex, ballot=""):
    """Add one ballot to the tree.

    The root of the tree is a dictionary that has as keys the indicies of all 
    continuing and winning candidates.  For each candidate, the value is also
    a dictionary, and the keys of that dictionary include "n" and "bi".
    tree[c]["n"] is the number of ballots that rank candidate c first.
    tree[c]["bi"] is a list of ballot indices where the ballots rank c first.

    If candidate c is a winning candidate, then that portion of the tree is
    expanded to indicate the breakdown of the subsequently ranked candidates.
    In this situation, additional keys are added to the tree[c] dictionary
    corresponding to subsequently ranked candidates.
    tree[c]["n"] is the number of ballots that rank candidate c first.
    tree[c]["bi"] is a list of ballot indices where the ballots rank c first.
    tree[c][d]["n"] is the number of ballots that rank c first and d second.
    tree[c][d]["bi"] is a list of the corresponding ballot indices.

    Where the second ranked candidates is also a winner, then the tree is 
    expanded to the next level.  

    Losing candidates are ignored and treated as if they do not appear on the 
    ballots.  For example, tree[c][d]["n"] is the total number of ballots
    where candidate c is the first non-losing candidate, c is a winner, and
    d is the next non-losing candidate.  This will include the following
    ballots, where x represents a losing candidate:
    [c d]
    [x c d]
    [c x d]
    [x c x x d]

    During the count, the tree is dynamically updated as candidates change
    their status.  The parameter "tree" to this method may be the root of the
    tree or may be a sub-tree.
    """

    if ballot == "":
      # Add the complete ballot to the tree
      weight, ballot = self.b.getWeightedBallot(ballotIndex)
    else:
      # When ballot is not "", we are adding a truncated ballot to the tree,
      # because a higher-ranked candidate is a winner.
      weight = self.b.getWeight(ballotIndex)

    # Get the top choice among candidates still in the running
    # Note that we can't use Ballots.getTopChoiceFromWeightedBallot since
    # we are looking for the top choice over a truncated ballot.
    for c in ballot:
      if c in self.continuing | self.winners:
        break # c is the top choice so stop
    else:
      c = None # no candidates left on this ballot

    if c is None:
      # This will happen if the ballot contains only winning and losing
      # candidates.  The ballot index will not need to be transferred
      # again so it can be thrown away.
      return

    # Create space if necessary.
    if not tree.has_key(c):
      tree[c] = {}
      tree[c]["n"] = 0
      tree[c]["bi"] = []

    tree[c]["n"] += weight

    if c in self.winners:
      # Because candidate is a winner, a portion of the ballot goes to
      # the next candidate.  Pass on a truncated ballot so that the same
      # candidate doesn't get counted twice.
      i = ballot.index(c)
      ballot2 = ballot[i+1:]
      self.addBallotToTree(tree[c], ballotIndex, ballot2)
    else:
      # Candidate is in continuing so we stop here.
      tree[c]["bi"].append(ballotIndex)

5

আমি আমার সাইটে একটি পাইথন [3] ট্রি বাস্তবায়ন প্রকাশ করেছি: http://www.quesucede.com/page/show/id/python_3_tree_implementation

আশা করি এটি কার্যকর হবে,

ঠিক আছে, এখানে কোড:

import uuid

def sanitize_id(id):
    return id.strip().replace(" ", "")

(_ADD, _DELETE, _INSERT) = range(3)
(_ROOT, _DEPTH, _WIDTH) = range(3)

class Node:

    def __init__(self, name, identifier=None, expanded=True):
        self.__identifier = (str(uuid.uuid1()) if identifier is None else
                sanitize_id(str(identifier)))
        self.name = name
        self.expanded = expanded
        self.__bpointer = None
        self.__fpointer = []

    @property
    def identifier(self):
        return self.__identifier

    @property
    def bpointer(self):
        return self.__bpointer

    @bpointer.setter
    def bpointer(self, value):
        if value is not None:
            self.__bpointer = sanitize_id(value)

    @property
    def fpointer(self):
        return self.__fpointer

    def update_fpointer(self, identifier, mode=_ADD):
        if mode is _ADD:
            self.__fpointer.append(sanitize_id(identifier))
        elif mode is _DELETE:
            self.__fpointer.remove(sanitize_id(identifier))
        elif mode is _INSERT:
            self.__fpointer = [sanitize_id(identifier)]

class Tree:

    def __init__(self):
        self.nodes = []

    def get_index(self, position):
        for index, node in enumerate(self.nodes):
            if node.identifier == position:
                break
        return index

    def create_node(self, name, identifier=None, parent=None):

        node = Node(name, identifier)
        self.nodes.append(node)
        self.__update_fpointer(parent, node.identifier, _ADD)
        node.bpointer = parent
        return node

    def show(self, position, level=_ROOT):
        queue = self[position].fpointer
        if level == _ROOT:
            print("{0} [{1}]".format(self[position].name,
                                     self[position].identifier))
        else:
            print("\t"*level, "{0} [{1}]".format(self[position].name,
                                                 self[position].identifier))
        if self[position].expanded:
            level += 1
            for element in queue:
                self.show(element, level)  # recursive call

    def expand_tree(self, position, mode=_DEPTH):
        # Python generator. Loosly based on an algorithm from 'Essential LISP' by
        # John R. Anderson, Albert T. Corbett, and Brian J. Reiser, page 239-241
        yield position
        queue = self[position].fpointer
        while queue:
            yield queue[0]
            expansion = self[queue[0]].fpointer
            if mode is _DEPTH:
                queue = expansion + queue[1:]  # depth-first
            elif mode is _WIDTH:
                queue = queue[1:] + expansion  # width-first

    def is_branch(self, position):
        return self[position].fpointer

    def __update_fpointer(self, position, identifier, mode):
        if position is None:
            return
        else:
            self[position].update_fpointer(identifier, mode)

    def __update_bpointer(self, position, identifier):
        self[position].bpointer = identifier

    def __getitem__(self, key):
        return self.nodes[self.get_index(key)]

    def __setitem__(self, key, item):
        self.nodes[self.get_index(key)] = item

    def __len__(self):
        return len(self.nodes)

    def __contains__(self, identifier):
        return [node.identifier for node in self.nodes
                if node.identifier is identifier]

if __name__ == "__main__":

    tree = Tree()
    tree.create_node("Harry", "harry")  # root node
    tree.create_node("Jane", "jane", parent = "harry")
    tree.create_node("Bill", "bill", parent = "harry")
    tree.create_node("Joe", "joe", parent = "jane")
    tree.create_node("Diane", "diane", parent = "jane")
    tree.create_node("George", "george", parent = "diane")
    tree.create_node("Mary", "mary", parent = "diane")
    tree.create_node("Jill", "jill", parent = "george")
    tree.create_node("Carol", "carol", parent = "jill")
    tree.create_node("Grace", "grace", parent = "bill")
    tree.create_node("Mark", "mark", parent = "jane")

    print("="*80)
    tree.show("harry")
    print("="*80)
    for node in tree.expand_tree("harry", mode=_WIDTH):
        print(node)
    print("="*80)

4

কারও যদি এটি করার সহজতর উপায়ের প্রয়োজন হয় তবে একটি গাছ কেবল পুনরাবৃত্তভাবে নেস্টেড তালিকা হয় (যেহেতু সেটটি হ্যাশযোগ্য নয়):

[root, [child_1, [[child_11, []], [child_12, []]], [child_2, []]]]

যেখানে প্রতিটি শাখা একটি জোড়া: [ object, [children] ]
এবং প্রতিটি পাতার একটি জোড়া:[ object, [] ]

তবে আপনার যদি পদ্ধতিগুলি সহ কোনও শ্রেণীর প্রয়োজন হয় তবে আপনি যে কোনও জায়গায় ব্যবহার করতে পারেন।


1

আপনার কোন অপারেশন দরকার? পাইথনে প্রায়শই ডিক বা বাইসেক্ট মডিউল সহ একটি তালিকা ব্যবহার করে একটি ভাল সমাধান পাওয়া যায়।

পিপিআইতে প্রচুর, অনেক গাছ বাস্তবায়ন রয়েছে এবং খাঁটি পাইথনটিতে নিজেকে প্রয়োগ করার জন্য অনেক গাছের ধরণের প্রায় তুচ্ছ। তবে এটি খুব কমই প্রয়োজন।


0

ব্রুনোর জবাবের ভিত্তিতে আলগাভাবে আরও একটি গাছ প্রয়োগ :

class Node:
    def __init__(self):
        self.name: str = ''
        self.children: List[Node] = []
        self.parent: Node = self

    def __getitem__(self, i: int) -> 'Node':
        return self.children[i]

    def add_child(self):
        child = Node()
        self.children.append(child)
        child.parent = self
        return child

    def __str__(self) -> str:
        def _get_character(x, left, right) -> str:
            if x < left:
                return '/'
            elif x >= right:
                return '\\'
            else:
                return '|'

        if len(self.children):
            children_lines: Sequence[List[str]] = list(map(lambda child: str(child).split('\n'), self.children))
            widths: Sequence[int] = list(map(lambda child_lines: len(child_lines[0]), children_lines))
            max_height: int = max(map(len, children_lines))
            total_width: int = sum(widths) + len(widths) - 1
            left: int = (total_width - len(self.name) + 1) // 2
            right: int = left + len(self.name)

            return '\n'.join((
                self.name.center(total_width),
                ' '.join(map(lambda width, position: _get_character(position - width // 2, left, right).center(width),
                             widths, accumulate(widths, add))),
                *map(
                    lambda row: ' '.join(map(
                        lambda child_lines: child_lines[row] if row < len(child_lines) else ' ' * len(child_lines[0]),
                        children_lines)),
                    range(max_height))))
        else:
            return self.name

এবং এটি কীভাবে ব্যবহার করবেন তার একটি উদাহরণ:

tree = Node()
tree.name = 'Root node'
tree.add_child()
tree[0].name = 'Child node 0'
tree.add_child()
tree[1].name = 'Child node 1'
tree.add_child()
tree[2].name = 'Child node 2'
tree[1].add_child()
tree[1][0].name = 'Grandchild 1.0'
tree[2].add_child()
tree[2][0].name = 'Grandchild 2.0'
tree[2].add_child()
tree[2][1].name = 'Grandchild 2.1'
print(tree)

যা আউটপুট করা উচিত:

                        রুট নোড                        
     / / \              
চাইল্ড নোড 0 চাইল্ড নোড 1 চাইল্ড নোড 2        
                   | /       
             গ্র্যান্ডচাইল্ড 1.0 গ্র্যান্ডচাইল্ড 2.0 গ্র্যান্ডচাইল্ড ২.১

0

আমি নেটওয়ার্কএক্স লাইব্রেরির পরামর্শ দিই

নেটওয়ার্কএক্স জটিল নেটওয়ার্কগুলির গঠন, গতিবিদ্যা এবং ফাংশনগুলির গবেষণা, কারসাজি এবং অধ্যয়নের জন্য পাইথন প্যাকেজ।

গাছ তৈরির উদাহরণ:

import networkx as nx
G = nx.Graph()
G.add_edge('A', 'B')
G.add_edge('B', 'C')
G.add_edge('B', 'D')
G.add_edge('A', 'E')
G.add_edge('E', 'F')

" জেনারেল ট্রি" বলতে আপনার অর্থ কী তা আমি নিশ্চিত নই ,
তবে পাঠাগারটি প্রতিটি নোডকে যে কোনও হ্যাশযোগ্য বস্তু হিসাবে সক্ষম করে এবং প্রতিটি নোডের বাচ্চার সংখ্যার কোনও বাধা নেই।

গ্রন্থাগারটি গাছ এবং দৃশ্য ধারণার সাথে সম্পর্কিত গ্রাফ অ্যালগরিদমও সরবরাহ করে।


-2

আপনি যদি কোনও ট্রি ডেটা কাঠামো তৈরি করতে চান তবে প্রথমে আপনাকে ট্রি-এলিমেন্ট অবজেক্ট তৈরি করতে হবে। আপনি যদি ট্রি ট্রিটমেন্ট অবজেক্ট তৈরি করেন তবে আপনার গাছটি কী আচরণ করে তা আপনি সিদ্ধান্ত নিতে পারেন।

এটি করার জন্য ট্রি ট্রিটমেন্ট ক্লাসটি রয়েছে:

class TreeElement (object):

def __init__(self):
    self.elementName = None
    self.element = []
    self.previous = None
    self.elementScore = None
    self.elementParent = None
    self.elementPath = []
    self.treeLevel = 0

def goto(self, data):
    for child in range(0, len(self.element)):
        if (self.element[child].elementName == data):
            return self.element[child]

def add(self):

    single_element = TreeElement()
    single_element.elementName = self.elementName
    single_element.previous = self.elementParent
    single_element.elementScore = self.elementScore
    single_element.elementPath = self.elementPath
    single_element.treeLevel = self.treeLevel

    self.element.append(single_element)

    return single_element

এখন, গাছ তৈরি করতে আমাদের এই উপাদানটি ব্যবহার করতে হবে, আমি উদাহরণ হিসাবে এ * ট্রি ব্যবহার করছি।

class AStarAgent(Agent):
# Initialization Function: Called one time when the game starts
def registerInitialState(self, state):
    return;

# GetAction Function: Called with every frame
def getAction(self, state):

    # Sorting function for the queue
    def sortByHeuristic(each_element):

        if each_element.elementScore:
            individual_score = each_element.elementScore[0][0] + each_element.treeLevel
        else:
            individual_score = admissibleHeuristic(each_element)

        return individual_score

    # check the game is over or not
    if state.isWin():
        print('Job is done')
        return Directions.STOP
    elif state.isLose():
        print('you lost')
        return Directions.STOP

    # Create empty list for the next states
    astar_queue = []
    astar_leaf_queue = []
    astar_tree_level = 0
    parent_tree_level = 0

    # Create Tree from the give node element
    astar_tree = TreeElement()
    astar_tree.elementName = state
    astar_tree.treeLevel = astar_tree_level
    astar_tree = astar_tree.add()

    # Add first element into the queue
    astar_queue.append(astar_tree)

    # Traverse all the elements of the queue
    while astar_queue:

        # Sort the element from the queue
        if len(astar_queue) > 1:
            astar_queue.sort(key=lambda x: sortByHeuristic(x))

        # Get the first node from the queue
        astar_child_object = astar_queue.pop(0)
        astar_child_state = astar_child_object.elementName

        # get all legal actions for the current node
        current_actions = astar_child_state.getLegalPacmanActions()

        if current_actions:

            # get all the successor state for these actions
            for action in current_actions:

                # Get the successor of the current node
                next_state = astar_child_state.generatePacmanSuccessor(action)

                if next_state:

                    # evaluate the successor states using scoreEvaluation heuristic
                    element_scored = [(admissibleHeuristic(next_state), action)]

                    # Increase the level for the child
                    parent_tree_level = astar_tree.goto(astar_child_state)
                    if parent_tree_level:
                        astar_tree_level = parent_tree_level.treeLevel + 1
                    else:
                        astar_tree_level += 1

                    # create tree for the finding the data
                    astar_tree.elementName = next_state
                    astar_tree.elementParent = astar_child_state
                    astar_tree.elementScore = element_scored
                    astar_tree.elementPath.append(astar_child_state)
                    astar_tree.treeLevel = astar_tree_level
                    astar_object = astar_tree.add()

                    # If the state exists then add that to the queue
                    astar_queue.append(astar_object)

                else:
                    # Update the value leaf into the queue
                    astar_leaf_state = astar_tree.goto(astar_child_state)
                    astar_leaf_queue.append(astar_leaf_state)

আপনি অবজেক্ট থেকে যে কোনও উপাদান যুক্ত / সরিয়ে ফেলতে পারেন, তবে কাঠামোটিকে আন্তঃসংযোগ তৈরি করতে পারেন।


-4
def iterative_bfs(graph, start):
    '''iterative breadth first search from start'''
    bfs_tree = {start: {"parents":[], "children":[], "level":0}}
    q = [start]
    while q:
        current = q.pop(0)
        for v in graph[current]:
            if not v in bfs_tree:
                bfs_tree[v]={"parents":[current], "children":[], "level": bfs_tree[current]["level"] + 1}
                bfs_tree[current]["children"].append(v)
                q.append(v)
            else:
                if bfs_tree[v]["level"] > bfs_tree[current]["level"]:
                    bfs_tree[current]["children"].append(v)
                    bfs_tree[v]["parents"].append(current)

এটি কোনও পাঠযোগ্য উপায়ে প্রশ্নের উত্তর দেওয়ার জন্য উপস্থিত হয় না।
আলব্লিউ
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.