如何在Python中基于含父子关联的层级数据构建树结构

核心实现逻辑 #

整个过程不需要引入额外第三方库，原生Python即可实现，核心思路是用字典做索引避免嵌套循环查找，时间复杂度仅为O(n)，完全适配大型数据集处理：

• 第一步：构建所有节点的ID索引，为每个节点预初始化children字段存储子节点
• 第二步：遍历所有节点，根据父ID匹配对应父节点，将自身加入父节点的子节点列表
• 第三步：筛选无父节点（或父ID为预设根节点标识）的节点作为树根，得到完整树结构

可直接运行的代码示例 #

假设你的原始数据格式为列表，每个元素包含id(子节点编号)、parent_id(父节点编号)、name(节点名称)三个核心字段，从csv、数据库读取的数据可先整理为该格式：

# 示例原始数据，可替换为你的实际业务数据
raw_data = [
    {"id": 1, "parent_id": 0, "name": "汽车"},
    {"id": 2, "parent_id": 0, "name": "飞机"},
    {"id": 3, "parent_id": 1, "name": "动力系统"},
    {"id": 4, "parent_id": 1, "name": "车身系统"},
    {"id": 5, "parent_id": 3, "name": "发动机"},
    {"id": 6, "parent_id": 3, "name": "变速箱"},
    {"id": 7, "parent_id": 2, "name": "机翼"},
    {"id": 8, "parent_id": 2, "name": "机身"},
]

def build_tree(data, root_parent_id=0):
    # 构建ID到节点的映射字典，避免重复循环查找
    node_map = {}
    for item in data:
        # 复制原数据避免修改原始数据集，新增children字段存储子节点
        node_map[item["id"]] = {**item, "children": []}
    
    forest = []
    for item in data:
        node_id = item["id"]
        parent_id = item["parent_id"]
        current_node = node_map[node_id]
        
        if parent_id == root_parent_id:
            # 父ID为根节点标识，直接加入根节点列表
            forest.append(current_node)
        else:
            # 匹配到父节点后，将当前节点加入父节点的子列表
            if parent_id in node_map:
                node_map[parent_id]["children"].append(current_node)
    
    return forest

# 调用函数生成树结构
tree = build_tree(raw_data)

# 打印验证结果，可替换为你需要的输出格式（比如JSON、嵌套列表等）
import json
print(json.dumps(tree, ensure_ascii=False, indent=2))

扩展适配说明 #

• 如果你的根节点标识不是0，调用build_tree时传入对应root_parent_id参数即可，比如根节点父ID为None就传root_parent_id=None
• 如果你的数据字段名不是id/parent_id，修改代码中对应的字段名即可快速适配
• 需要输出可视化树结构的话，可以递归遍历生成带缩进的文本格式，也可引入anytree等第三方库实现图形化输出
• 处理百万级以上超大型数据集时，可提前对数据按parent_id排序，进一步降低运行时内存占用

内容的提问来源于stack exchange，提问作者brownie_coder