Python 提取每个终端节点的路径

我有一个python嵌套字典结构，如下所示。 这是一个小例子，但我有更大的例子，可以有不同层次的嵌套

从中，我需要提取一个包含以下内容的列表：

每个终端“叶”节点一条记录

表示通向该节点的逻辑路径的字符串、列表或对象

• （例如，“nodeid_3:X<0.500007和X<0.279907”）

我花了这个周末的大部分时间试图让一些东西工作起来，我意识到我在递归方面有多么糟糕

# Extract json string
json_string = booster.get_dump(with_stats=True, dump_format='json')[0]

# Convert to python dictionary
json.loads(json_string)

{u'children': [{u'children': [
    {u'cover': 2291, u'leaf': -0.0611795, u'nodeid': 3},
    {u'cover': 1779, u'leaf': -0.00965727, u'nodeid': 4}],
   u'cover': 4070,
   u'depth': 1,
   u'gain': 265.811,
   u'missing': 3,
   u'no': 4,
   u'nodeid': 1,
   u'split': u'X',
   u'split_condition': 0.279907,
   u'yes': 3},
  {u'cover': 3930, u'leaf': -0.0611946, u'nodeid': 2}],
 u'cover': 8000,
 u'depth': 0,
 u'gain': 101.245,
 u'missing': 1,
 u'no': 2,
 u'nodeid': 0,
 u'split': u'X',
 u'split_condition': 0.500007,
 u'yes': 1}

---

数据结构是递归的。如果一个节点有子密钥，那么我们可以考虑它不是终端。 要分析数据，需要一个递归函数来跟踪祖先（路径）

我会这样实施：

def find_path(obj, path=None):
    path = path or []
    if 'children' in obj:
        child_obj = {k: v for k, v in obj.items()
                     if k in ['nodeid', 'split_condition']}
        child_path = path + [child_obj]
        children = obj['children']
        for child in children:
            find_path(child, child_path)
    else:
        pprint.pprint((obj, path))

如果你打电话：

find_path(data)

您将获得3个结果：

({'cover': 2291, 'leaf': -0.0611795, 'nodeid': 3},
 [{'nodeid': 0, 'split_condition': 0.500007},
  {'nodeid': 1, 'split_condition': 0.279907}])
({'cover': 1779, 'leaf': -0.00965727, 'nodeid': 4},
 [{'nodeid': 0, 'split_condition': 0.500007},
  {'nodeid': 1, 'split_condition': 0.279907}])
({'cover': 3930, 'leaf': -0.0611946, 'nodeid': 2},
 [{'nodeid': 0, 'split_condition': 0.500007}])

当然，您可以将对

pprint.pprint（）

的调用替换为

yield

以将此函数转换为生成器：

def iter_path(obj, path=None):
    path = path or []
    if 'children' in obj:
        child_obj = {k: v for k, v in obj.items()
                     if k in ['nodeid', 'split_condition']}
        child_path = path + [child_obj]
        children = obj['children']
        for child in children:
            # for o, p in iteration_path(child, child_path):
            #     yield o, p
            yield from iter_path(child, child_path)
    else:
        yield obj, path

注意递归调用的

yield from

。您可以按如下方式使用此生成器：

for obj, path in iter_path(data):
    pprint.pprint((obj, path))

您还可以更改

child\u obj

对象的构建方式，以满足您的需要

---

要保持对象的顺序，请反转

if

条件：

if'children'不在obj中：…

这真是太好了！我可以打印，但是如果我迭代生成的生成器，切换到

yield

不会返回任何内容。你介意添加带有相关调用的收益率版本吗（以防我搞砸了）？@Chris我添加了一个

iter\u路径

generator。这个有效：）<代码>查找路径确实需要在注释行中更改为

iter\u路径

，但您首先提供这两个版本真是太好了。谢谢，这节省了我很多时间！