Python 我如何将层次列表排序到dicts的树/嘧啶模型中?
我试图生成一个dict层次结构,用于在Qt中创建树模型 数据在一个列表中,每个条目都是[下一个同级、上一个同级、第一个子级、父级],列表中元素的索引是层次条目描述的轮廓的名称/索引 例如,如果我要从4.RETR_树输入层次结构 我希望获得以下输出:Python 我如何将层次列表排序到dicts的树/嘧啶模型中?,python,qt,opencv,recursion,hierarchy,Python,Qt,Opencv,Recursion,Hierarchy,我试图生成一个dict层次结构,用于在Qt中创建树模型 数据在一个列表中,每个条目都是[下一个同级、上一个同级、第一个子级、父级],列表中元素的索引是层次条目描述的轮廓的名称/索引 例如,如果我要从4.RETR_树输入层次结构 我希望获得以下输出: {0:{1:{2:{3:{4:{5:{},6:{}}}}}}, 7:{}, 8:{}} 我希望这样做是为了在Qt中构建一个树模型,这样我就可以很容易地看到哪些轮廓包含哪些其他轮廓。如果您对如何将层次结构数据转换为Qt树模型有更好的了解,我们将不胜感
{0:{1:{2:{3:{4:{5:{},6:{}}}}}},
7:{},
8:{}}
我希望这样做是为了在Qt中构建一个树模型,这样我就可以很容易地看到哪些轮廓包含哪些其他轮廓。如果您对如何将层次结构数据转换为Qt树模型有更好的了解,我们将不胜感激
提前谢谢 我不熟悉Qt、numpy或opencv,所以我可能在这里遗漏了一些东西,但无论如何我都会尝试一下 以下算法根据请求创建字典:
def make_hdict(hier):
def recur(parent):
res = {}
for i,n in enumerate(hier):
if n[3] == parent:
res[i] = recur(i)
return res
return recur(-1)
测试:
hierarchy = [[ 7, -1, 1, -1], #0
[-1, -1, 2, 0], #1
[-1, -1, 3, 1], #2
[-1, -1, 4, 2], #3
[-1, -1, 5, 3], #4
[ 6, -1, -1, 4], #5
[-1, 5, -1, 4], #6
[ 8, 0, -1, -1], #7
[-1, 7, -1, -1]] #8
print(make_hdict(hierarchy))
=> {0: {1: {2: {3: {4: {5: {}, 6: {}}}}}}, 8: {}, 7: {}}
正如您所看到的,我现在只使用最后一个字段(“父项”)。
特别是,
这就是您想要的吗?与@uselpa类似,我提出了一个解决方案,它不会对具有相同父节点的节点进行排序,因为Python字典没有固定的顺序:
将numpy导入为np
H=np.array(
[[ 7, -1, 1, -1],
[-1, -1, 2, 0],
[-1, -1, 3, 1],
[-1, -1, 4, 2],
[-1, -1, 5, 3],
[ 6, -1, -1, 4],
[-1, 5, -1, 4],
[ 8, 0, -1, -1],
[-1, 7, -1, -1]])
定义T(i):
如果h[3]==i,则枚举(h)中j,h的children=[(h,j)
sort(key=lambda h:h[0][1])
返回{c[1]:T(c[1]),用于子对象中的c}
打印T(-1)
输出:
{0: {1: {2: {3: {4: {5: {}, 6: {}}}}}}, 8: {}, 7: {}}
因此,您可以跳过对子项的排序,最终得到以下紧凑代码:
T = lambda i: {j: T(j) for j, h in enumerate(H) if h[3] == i}
print T(-1)
哇!我发现这是一个简单的列表,不需要numpy。这里有一个版本适用于我们这些没有dict理解的人:
T=lambda i:dict((j,T(j))表示枚举(h)中的j,h,如果h[3]=i);打印T(-1)
T = lambda i: {j: T(j) for j, h in enumerate(H) if h[3] == i}
print T(-1)