Question

没有任何进口

# given
deps = {'W': ['R', 'S'], 'C': [], 'S': ['C'], 'R': ['C'], 'F': ['W']}
prob = {'C': [0.5], 'R': [0.2, 0.8], 'S': [0.5, 0.1], 'W': [0.01, 0.9, 0.9,     0.99], 'F' : [0.4, 0.3]}
k = 'F'
# want to return:  L = [[0.2, 0.8], [0.5, 0.1], [0.01, 0.9, 0.9, 0.99], [0.4, 0.3]]


# attempt

L = []

for i in deps[k]:
    s = i
    while(deps[s] != []):
        L.append(prob[s])
        s = deps[s]
print(L)

我很难弄清楚这一点。因此，给定2个字典：依存关系和概率我希望遍历选择点并设置每个值，因此对于上面的示例，我选择了“ F”。

它将首先进入'F'的部门，找到'W'，然后检查其为['R'，'S']的部门，然后检查'R'，以了解'R'的受害人是“ C”和“ C”不是依赖分子，所以我们在“ R”处停止并将其概率附加到L中。

 [[0.2, 0.8]]

然后我们进入S并做同样的事情

[[0.2, 0.8], [0.5, 0.1]]

然后我们完成了，我们回到了W

[[0.2, 0.8], [0.5, 0.1], [0.01, 0.9, 0.9, 0.99]]

最后，由于我们完成了W运算，因此得到了F的概率

[[0.2, 0.8], [0.5, 0.1], [0.01, 0.9, 0.9, 0.99], [0.4, 0.3]]

当一个以上依赖值时，我的代码失败。不知道该如何绕过我的头。尝试创建一个函数来执行给定的deps和prob以及k的值

Answer 1

我将通过一个while循环来解决该问题，该循环不断寻找您是否使用了递归找到的所有值。您可以使用以下结构：

deps = {'W': ['R', 'S'], 'C': [], 'S': ['C'], 'R': ['C'], 'F': ['W']}
# out = ['F', 'W', 'R', 'S']
prob = {'C': [0.5], 'R': [0.2, 0.8], 'S': [0.5, 0.1], 'W': [0.01, 0.9, 0.9, 0.99], 'F': [0.4, 0.3]}
k = 'F'

L = []
my_list = []
found_all = False

def get_values(dep_dictionary, prob_dict, start_key):
    used_keys = []
    keys_to_use = [start_key]
    probability = []
    # build a list of linked values from deps dictionary
    while used_keys != keys_to_use:
        print('used: {}'.format(used_keys))
        print('to use: {}'.format(keys_to_use))
        for i in range(len(keys_to_use)):
            if keys_to_use[i] not in used_keys:
                new_keys = dep_dictionary[keys_to_use[i]]
                if len(new_keys):
                    for sub_key in new_keys:
                        if sub_key not in keys_to_use:
                            keys_to_use.append(sub_key)
                    used_keys.append(keys_to_use[i])
                else:
                    del keys_to_use[i]
    # at this point used_keys = ['F', 'W', 'R', 'S']
    for key in used_keys:
        probability.append(prob_dict[key])
    print(probability)

get_values(deps, prob, k)

哪个输出：

used: []
to use: ['F']
used: ['F']
to use: ['F', 'W']
used: ['F', 'W']
to use: ['F', 'W', 'R', 'S']
used: ['F', 'W', 'R', 'S']
to use: ['F', 'W', 'R', 'S', 'C']
[[0.4, 0.3], [0.01, 0.9, 0.9, 0.99], [0.2, 0.8], [0.5, 0.1]]

您可以在此处看到正确的输出（[[0.4, 0.3], [0.01, 0.9, 0.9, 0.99], [0.2, 0.8], [0.5, 0.1]]），但是输出顺序不完全相同，但这听起来并不是一个大问题。如果是这样，您随时可以通过调整

将其重新拼接为字典

for key in used_keys:
    probability.append(prob_dict[key])

位，使得probability也是字典。您也可以删除print()语句，它们只是在那里进行调试并直观地显示循环中正在发生的事情。您可能还可以使用功能return probability而不是打印它，但我将自行决定！

Answer 2

这是一个使用基于堆栈的深度优先搜索遍历依赖关系树的解决方案。它在每个步骤iff上增加概率。该节点具有依赖性，然后只需在末尾反转列表即可。

def prob_list(root):
    nodes_to_visit = [root]
    prob_list = []

    while nodes_to_visit:
        curr = nodes_to_visit.pop()
        print(f"Visiting {curr}")

        if deps[curr]:
            prob_list.append(prob[curr])
            for dep in deps[curr]:
                nodes_to_visit.append(dep)

    return list(reversed(prob_list))

print(prob_list("F"))  # [[0.2, 0.8], [0.5, 0.1], [0.01, 0.9, 0.9, 0.99], [0.4, 0.3]]

字典循环获取每个值

2 个答案: