哈夫曼树可视化显示 Python

用pygraphviz显示二叉树

用tk做可视化界面

cv2显示图片

临时拼凑的代码

pygraphviz 没有找到显示图片的代码,就用opencv imshow来显示了,如果哪个地方不尽人意还请多多包涵,或提醒我进行改善

pygraphviz 适用于python3.x版本的: https://github.com/CristiFati/Prebuilt-Binaries/tree/master/Windows/PyGraphviz

下载之后用pip install 安装

import pygraphviz as pgv
import cv2
import os
import tkinter as tk

Index = 0

#  二叉树
class BTree:
    lchild = None
    rchild = None
    data = 0
    index = 0
    def __init__(self,data,index):
        self.data = data
        self.index = index
        return
    def getchild(self,lc,rc):
        self.lchild = lc
        self.rchild = rc
        return

#  用来预处理哈夫曼树
def PreHuffTree(bt,dot):
    if(bt == None): return

    dot.add_node(bt.index,label = str(bt.data))

    PreHuffTree(bt.lchild,dot)
    PreHuffTree(bt.rchild,dot)

    if(bt.lchild != None): 
        dot.add_edge(bt.index,bt.lchild.index,)
    if(bt.rchild != None): 
        dot.add_edge(bt.index,bt.rchild.index)
    return

#  str转换为int类型
def GetSomeValue(hl):
    global Index
    ht = []
    for x in range(len(hl)):
            ht.append(BTree(int(hl[x]),Index))
            Index += 1
    return ht

#  对数据进行连接形成二叉树
def TransFromHuffTree(hl):
    global Index
    if(len(hl) == 0): 
        print("未输入数值")
        return
    while len(hl)>1:
        hl = sorted(hl,key = lambda x:x.data)
        hf = BTree(hl[0].data + hl[1].data,Index)
        Index += 1
        hf.getchild(hl[0],hl[1])
        hl.pop(0)
        hl.pop(0)
        hl.append(hf)
    return hl[0]

if __name__ == "__main__":
    HuffTreelist = []
    root = tk.Tk()
    values = ""
    HuffTreelist = []

    tk.Label(root,text='请输入一系列数值,以空格间隔 :').grid(row=0,column=0) # 对Label内容进行 表格式 布局
    v1 = tk.StringVar()
    e1 = tk.Entry(root,textvariable=v1)
    e1.grid(row=0,column=1,padx=10,pady=5)

    def GetValue():
        global values,HuffTreelist,v1
        values = v1.get()
        values = values.split()
        for x in range(len(values)):
            if not values[x].isnumeric():
                v1.set("输入错误:包含非数字字符")
                break
        return
    
    tk.Button(root,text='确认',width=10,command=GetValue).grid(row=1,column=0,sticky=tk.W,padx=10,pady=5)
    tk.Button(root,text='退出',width=10,command=root.quit).grid(row=1,column=1,sticky=tk.E,padx=10,pady=5)

    tk.mainloop()
    root.destroy()

    HuffTreelist = GetSomeValue(values)
    HuffTree = TransFromHuffTree(HuffTreelist)

    dot = pgv.AGraph(directed=False,strict=True)
    PreHuffTree(HuffTree,dot)

    dot.layout('dot')
    dot.draw('d:/b.png')
    pic = cv2.imread('d:/b.png')
    cv2.imshow("hufftree",pic)
    cv2.waitKey(0)

    os.remove('d:/b.png')






仅可输入数字:

 

确认后退出:

  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
### 回答1: 以下是使用Python构造哈夫曼树的示例代码: ```python import heapq from collections import defaultdict class Node: def __init__(self, freq, char=None): self.freq = freq self.char = char self.left = None self.right = None def __lt__(self, other): return self.freq < other.freq def build_huffman_tree(text): # 统计字符出现频率 freq_dict = defaultdict(int) for char in text: freq_dict[char] += 1 # 构造叶子节点 nodes = [Node(freq, char) for char, freq in freq_dict.items()] # 构造哈夫曼树 heapq.heapify(nodes) while len(nodes) > 1: left = heapq.heappop(nodes) right = heapq.heappop(nodes) parent = Node(left.freq + right.freq) parent.left, parent.right = left, right heapq.heappush(nodes, parent) return nodes[0] # 示例代码 text = "hello world" root = build_huffman_tree(text) def traverse(node, code=''): if node.char: print(f"{node.char}: {code}") else: traverse(node.left, code + '0') traverse(node.right, code + '1') traverse(root) ``` 该代码通过统计字符串中每个字符出现的频率,然后以频率为权值构造哈夫曼树。最后通过遍历哈夫曼树,输出每个字符对应的编码。 ### 回答2: 哈夫曼树是一种用于数据压缩的树结构。在构造哈夫曼树的过程中,首先需要统计输入数据中每个字符的频率。然后,根据字符频率构建叶子节点,并将它们放入一个存储节点的优先队列中。优先队列中的节点按照频率从小到大进行排序。 接下来,我们需要不断从优先队列中选取频率最小的两个节点合并成一颗新的二叉树,并且将这颗新生成的二叉树重新放回优先队列中。这个过程会一直持续到只剩下一个节点为止。最后这个节点就是哈夫曼树的根节点。 构造哈夫曼树的具体实现步骤如下: 1. 统计输入数据中每个字符的频率。 2. 创建一个空的优先队列。 3. 对于每个字符频率大于0的字符,将其创建为一个叶子节点,并将节点放入优先队列中。 4. 当优先队列中的节点数量大于1时,执行以下步骤: a. 从优先队列中选择两个频率最小的节点,将它们合并为一颗新的二叉树。 b. 将新生成的二叉树放入优先队列中。 5. 重复步骤4,直到只剩下一个节点。 6. 最后剩下的节点即为哈夫曼树的根节点。 以上就是构造哈夫曼树的基本过程。在Python中,可以使用优先队列的数据结构进行实现,例如使用heapq模块中的heapq库来构建优先队列。同时,可以使用Node类来表示树的节点,通过递归或迭代的方式构建哈夫曼树的结构。 通过以上的步骤和相应的实现,就能够构造出哈夫曼树并进行数据压缩了。 ### 回答3: 哈夫曼树是一种用于数据压缩和编码的二叉树结构。下面是使用Python构造哈夫曼树的方法: 首先,需要明确构造哈夫曼树的目标是为了实现数据的高效压缩。哈夫曼树的构造过程包括两个主要步骤:权值排序和树的构建。 在权值排序的步骤中,首先统计每个字符或数据出现的频率,并将其存储在一个频率表中。然后根据频率表中的元素进行排序,按照从小到大的顺序排列。最后,将排序后的频率表构建成一个优先队列。 在树的构建过程中,首先从优先队列中选取两个权值最小的节点,将它们作为左右子节点构建一个新的中间节点。该中间节点的权值为左右子节点的权值之和。然后将该中间节点重新插入到优先队列中,保持队列的有序性。重复以上步骤,直到优先队列中只剩下一个节点,即为构造完成的哈夫曼树的根节点。 下面是用Python编写的哈夫曼树构造代码示例: ```python import heapq class Node: def __init__(self, freq, character=None): self.freq = freq self.character = character self.left = None self.right = None def build_huffman_tree(frequencies): priority_queue = [] for character, freq in frequencies.items(): node = Node(freq, character) heapq.heappush(priority_queue, (freq, node)) while len(priority_queue) > 1: freq1, node1 = heapq.heappop(priority_queue) freq2, node2 = heapq.heappop(priority_queue) merged_freq = freq1 + freq2 merged_node = Node(merged_freq) merged_node.left = node1 merged_node.right = node2 heapq.heappush(priority_queue, (merged_freq, merged_node)) _, huffman_tree = heapq.heappop(priority_queue) return huffman_tree # 示例用法 frequencies = {'A': 5, 'B': 10, 'C': 15, 'D': 20, 'E': 25, 'F': 30} huffman_tree = build_huffman_tree(frequencies) ``` 以上代码首先定义了一个节点类(Node),用于表示哈夫曼树的节点。然后实现了一个build_huffman_tree函数,其中使用了优先队列库(heapq)来构建哈夫曼树。最后示例部分给出了一个频率表,可以根据实际需要进行修改。通过调用build_huffman_tree函数即可得到构造好的哈夫曼树的根节点。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值