Package Big Tree Python

Implémentation d'arbre et méthodes pour Python, intégrées avec list, dictionnaire, pandas et DataFrame polars.

C'est pythonique, ce qui le rend facile à apprendre et extensible à de nombreux types de flux de travail.

----

Liens associés :

• Documentation
• GitHub
• Communauté
• Problèmes

• Package
• PyPI

• Articles
• Implémentation d'arbre Python avec BigTree
• L'algorithme de Reingold Tilford expliqué, avec démonstration

• Si vous souhaitez soutenir bigtree,

Composants

Pour l'implémentation d'Arbre, il y a 12 composants principaux.

• 🌺 Nœud
• `BaseNode, classe extensible
• Node, BaseNode avec un attribut de nom de nœud
• 🎄 Arbre
• Tree, enveloppe autour de Node, fournissant des API de haut niveau pour construire, itérer, interroger et exporter la structure entière de l'arbre
• ✨ Construction d'Arbre
• À partir de Node, en utilisant les constructeurs parent et enfants
• À partir de str, en utilisant l'affichage d'arbre ou la notation Newick
• À partir de list, en utilisant des chemins ou des tuples parent-enfant
• À partir d’un dictionnaire imbriqué, en utilisant des paires clé-valeur chemin-attribut ou une structure récursive
• À partir d’un DataFrame pandas, en utilisant des chemins ou des colonnes parent-enfant
• À partir d’un DataFrame polars, en utilisant des chemins ou des colonnes parent-enfant
• À partir d’une interface utilisateur interactive
• Ajouter des nœuds à un arbre existant en utilisant une chaîne de chemin
• Ajouter des nœuds et des attributs à un arbre existant en utilisant un dictionnaire, un DataFrame pandas ou un DataFrame polars, en utilisant le chemin
• Ajouter uniquement des attributs à un arbre existant en utilisant un dictionnaire, un DataFrame pandas ou un DataFrame polars, en utilisant le nom du nœud
• ➰ Parcours de l’Arbre
• Parcours en pré-ordre
• Parcours en post-ordre
• Parcours en ordre de niveau
• Parcours en groupe par niveau
• Parcours ZigZag
• Parcours en groupe ZigZag
• 🧩 Analyse de l’Arbre
• Obtenir les ancêtres communs entre des nœuds
• Obtenir le chemin d’un nœud à un autre nœud
• 📝 Modification de l’Arbre
• Copier des nœuds d’un emplacement vers une destination
• Déplacer des nœuds d’un emplacement vers une destination
• Déplacer et remplacer des nœuds d’un emplacement vers une destination
• Copier des nœuds d’un arbre à un autre
• Copier et remplacer des nœuds d’un arbre à un autre
• 📌 Requête sur l’Arbre
• Filtrer l’arbre en utilisant le langage de requête Tree Query Language
• 🔍 Recherche dans l’Arbre
• Trouver plusieurs nœuds selon le nom, chemin partiel, chemin relatif, valeur d’attribut, condition définie par l’utilisateur
• Trouver un seul nœud selon le nom, chemin partiel, chemin relatif, chemin complet, valeur d’attribut, condition définie par l’utilisateur
• Trouver plusieurs nœuds enfants selon une condition définie par l’utilisateur
• Trouver un seul nœud enfant selon le nom, condition définie par l’utilisateur
• 🔧 Fonction d’Aide
• Cloner un arbre vers un autre type de Node
• Obtenir un sous-arbre (arbre plus petit avec une racine différente)
• Élaguer l’arbre (arbre plus petit avec la même racine)
• Obtenir la différence entre deux arbres
• 📊 Visualisation de l’Arbre
• Algorithme Reingold-Tilford amélioré pour récupérer les coordonnées (x, y) d’une structure arborescente
• Tracer l’arbre en utilisant matplotlib (dépendance optionnelle)
• 🔨 Exportation de l’Arbre
• Afficher dans la console, en orientation verticale ou horizontale
• Exporter en notation chaîne Newick, dictionnaire, dictionnaire imbriqué, DataFrame pandas ou DataFrame polars
• Exporter l’arbre en dot (peut être sauvegardé en fichiers .dot, .png, .svg, .jpeg)
• Exporter l’arbre en Pillow (peut être sauvegardé en .png, .jpg)
• Exporter l’arbre en Mermaid Flowchart (peut s’afficher dans .md)
• Exporter l’arbre en Pyvis Network (peut s’afficher en .html interactif)
• ✔️ Workflows
• Exemples de workflows pour démonstration d’arbre !

• 🌿 Nœud
• BinaryNode, nœud avec règles d’arbre binaire
• 🎄 Arbre Binaire
• BinaryTree, wrapper autour de BinaryNode, fournissant des API de haut niveau pour construire, itérer, interroger et exporter toute la structure d’arbre
• ✨ Construction de l’Arbre Binaire
• Depuis une liste, utilisant une structure de liste aplatie
• ➰ Parcours de l’Arbre Binaire
• Parcours en ordre

• 🌼 Nœud
• DAGNode, classe extensible pour construire un Graphe Orienté Acyclique (DAG)
• 🎄 DAG
• DAG, wrapper autour de DAGNode, fournissant des API de haut niveau pour construire, exporter et itérer sur tout le DAG
• ✨ Construction du DAG
• Depuis une liste, contenant des tuples parent-enfant
• Depuis un dictionnaire imbriqué
• Depuis un DataFrame pandas
• ➰ Parcours du DAG
• Méthode de parcours générique
• 🧩 Analyse du DAG
• Obtenir les chemins possibles d’un nœud à un autre
• 🔨 Exportation du DAG
• Exporter en liste, dictionnaire ou DataFrame pandas
• Exporter le DAG au format dot (peut être enregistré en fichiers .dot, .png, .svg, .jpeg)

bigtree nécessite Python 3.10+. Il existe deux façons d’installer bigtree, avec pip (recommandé) ou conda.

a) Installation avec pip

#### Installation de base

Pour installer bigtree, exécutez la ligne suivante dans l’invite de commande :

$ pip install bigtree

#### Installation des dépendances optionnelles

bigtree dispose d'un certain nombre de dépendances optionnelles, qui peuvent être installées en utilisant la syntaxe "extras".

$ pip install 'bigtree[extra_1, extra_2]'

• all : inclure toutes les dépendances optionnelles
• image : pour exporter l'arbre en image
• matplotlib : pour tracer les arbres
• pandas : pour les méthodes pandas
• polars : pour les méthodes polars
• query : pour les méthodes de requête d'arbre
• vis : pour la visualisation pyvis

$ brew install gprof2dot  # for MacOS
$ conda install graphviz  # for Windows

Pour installer bigtree` avec conda, exécutez la ligne suivante dans l'invite de commande :

$ conda install -c conda-forge bigtree

-----

Star History

--- Tranlated By Open Ai Tx | Last indexed: 2025-12-16 ---