我正在尝试了解以下代码的工作原理。代码按应有的方式执行,但我不理解其中的部分内容。
这是一种中序遍历二叉搜索树的方法:
def traverse(self):
def io(node):
print("restart") #added to code see whats happening
if node is not None: print("b4 app", node.data) #added to code see whats happening
if node.left: io(node.left)
result.append(node.data)
if node is not None: print("aft app",node.data,node.right is None) #added to code see whats happening
if node.right: #[1] skipped bc node.right is None
print("inside right") #added to code see whats happening
io(node.right)
if self.root is None:
return None
else:
result=[]
io(self.root)
return result
这是二叉搜索树的 Node
类的结构:
class Node:
def __init__(self, data, left=None, right=None):
self.data = data
self.left=left
self.right=right
这是遍历 BST 的输出:
restart
b4 app 9
restart
b4 app 4 #[3]
restart
b4 app 3
aft app 3 True # <--- I thought it would end here? [0]
aft app 4 False #[2]
inside right
restart
b4 app 6
aft app 6 True
aft app 9 False
inside right
restart
b4 app 17
aft app 17 True
[3, 4, 6, 9, 17] #<-- ordered list of nodes (this output is correct)
它正在遍历的 BST:
"""
9
/ \
4 17
/ \
3 6
"""
函数到达我指向的点后(参见[0]
),node.right
为None
,因此代码中的下一个 if
语句被跳过(参见 [1]
)。这是代码在结束前最后一次再次调用自身(据我所知?)。
如果跳过此 if
语句——上次调用 io
函数——递归如何继续?
此外,从输出的下一行可以看出(参见 [2]
),它继续 node=4
,node.left =3
,node.right=6
,这是node=3
的父级,早早传入了函数(参见[3]
)。
那么io
函数又是如何被调用的,为什么输入是node=4
?
最佳答案
这段代码是一种非常困惑的写法 tree traversal但它看起来基本上是正确的。此外,输出打印在不寻常的位置并带有误导性标签,因此让我们在继续您的问题之前重写它。
这是编写中序二叉树遍历的直接方法:
from collections import namedtuple
class Tree:
def __init__(self, root):
self.root = root
def inorder(self):
def traverse(node):
if node:
yield from traverse(node.left)
yield node
yield from traverse(node.right)
return traverse(self.root)
if __name__ == "__main__":
Node = namedtuple("Node", "data left right")
"""
9
/ \
4 17
/ \
3 6
"""
tree = Tree(
Node(
9,
Node(
4,
Node(3, None, None),
Node(6, None, None),
),
Node(17, None, None)
)
)
for node in tree.inorder():
print(node.data, end=" ") # => 3 4 6 9 17
我们唯一需要的分支是检查根是否为 None——最好避免担心子递归调用。如果它们是 None,这个单一分支将在子节点中处理该条件 stack frame .
上面的代码返回一个 generator这比创建列表更便于内存,而且语法更简单。
我还会在函数之外继续打印。传递回调是避免产生 side effect 的常用方法。 ,但使用上面的生成器方法,相同的结果是通过循环完成的,让我们将打印保留在调用者中。
如果您出于调试目的确实需要打印,我建议使用空格缩进,这样可以将输出变成树状并且更容易理解:
from collections import namedtuple
class Tree:
def __init__(self, root):
self.root = root
def inorder(self):
def traverse(node, depth=0):
if node:
yield from traverse(node.left, depth + 1)
yield node, depth
yield from traverse(node.right, depth + 1)
return traverse(self.root)
if __name__ == "__main__":
Node = namedtuple("Node", "data left right")
"""
9
/ \
4 17
/ \
3 6
"""
tree = Tree(
Node(
9,
Node(
4,
Node(3, None, None),
Node(6, None, None),
),
Node(17, None, None)
)
)
for node, depth in tree.inorder():
print(" " * (depth * 2) + str(node.data))
这给出了树的侧 View :
3
4
6
9
17
通过这种缩进技巧可以更轻松地可视化树,这是您的前/中/后订单打印的清理版本,它应该清楚地显示遍历:
from collections import namedtuple
class Tree:
def __init__(self, root):
self.root = root
def print_traversals_pedagogical(self):
preorder = []
inorder = []
postorder = []
def traverse(node, depth=0):
if node:
preorder.append(node.data)
print(" " * depth + f"entering {node.data}")
traverse(node.left, depth + 1)
inorder.append(node.data)
print(" " * depth + f"visiting {node.data}")
traverse(node.right, depth + 1)
postorder.append(node.data)
print(" " * depth + f"exiting {node.data}")
traverse(self.root)
print("\npreorder ", preorder)
print("inorder ", inorder)
print("postorder", postorder)
if __name__ == "__main__":
Node = namedtuple("Node", "data left right")
"""
9
/ \
4 17
/ \
3 6
"""
tree = Tree(
Node(
9,
Node(
4,
Node(3, None, None),
Node(6, None, None),
),
Node(17, None, None)
)
)
tree.print_traversals_pedagogical()
输出:
entering 9
entering 4
entering 3
visiting 3
exiting 3
visiting 4
entering 6
visiting 6
exiting 6
exiting 4
visiting 9
entering 17
visiting 17
exiting 17
exiting 9
preorder [9, 4, 3, 6, 17]
inorder [3, 4, 6, 9, 17]
postorder [3, 6, 4, 17, 9]
现在我们可以将上面的输出与您的代码联系起来并消除一些混淆。
首先,让我们翻译您的输出标签以匹配上面显示的标签:
restart
和b4 app
做同样的事情所以你应该忽略它以避免混淆。if node is not None: print("b4 app", node.data)
始终为真——我们在调用方中保证node
不会为 None。b4 app
->entering
(或将新调用插入堆栈)。aft app
->visiting
(顺序)。再一次,if node is not None:
保证为真,应该被删除。父调用会检查这一点,即使他们没有检查,程序也会在上面使用node.data
的行上崩溃。inside right
令人困惑——它是一个中序打印,但仅适用于具有右子节点的节点。我不确定这会增加什么值(value),所以我会忽略它。
请注意,您没有exiting
(弹出调用堆栈帧/postorder)打印语句。
在这种情况下,让我们回答您的问题:
This is the last time where the code calls itself again before it ends (as far as I can see?).
是的,这个节点即将退出。需要明确的是,函数 调用自身是因为它是递归的,但树中的每个节点只有一次调用。
If this
if
statement is skipped -- last time theio
function is called -- how does the recursion continue?
调用堆栈弹出,执行从它在父级中停止的地方继续。这不是最后一次调用 io
,因为父级(及其父级或其父级的子级)可以(并且确实)产生其他调用。
So how was the
io
function called again and why isnode=4
the input?
它没有被再次调用——node=4
的调用框架已暂停,等待其子级解决,当控制返回给它时,它会从中断处继续。
让我们将我的输出与您的输出联系起来:
visiting 3 # this is your `aft app 3 True [0]`
exiting 3 # you don't have this print for leaving the node
visiting 4 # this is your `aft app 4 False #[2]`
您可以看到我们退出了 node=3
的调用帧。此时,node=4
已完成遍历其所有左后代(只有一个),然后在继续其右子节点之前按顺序访问其自身的值。
尝试在上面的代码中使用不同的树结构,并将打印的调试/教学遍历与您的理解进行比较。
关于python - 了解 BST 遍历的打印输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63962871/