Python合并字典不覆盖值及树节点多IDF值存储问题

嘿，这个问题我之前也碰到过——普通的字典合并会直接覆盖重复key的值，完全没法满足你这种要保留树中所有节点IDF的需求。别担心，咱们分两步来解决：先搞定多字典不覆盖合并的基础逻辑，再把它适配到树结构的遍历场景里。

核心就是把每个单词对应的IDF值从单个值改成一个容器（比如列表），这样重复key的新值就不会覆盖旧值，而是被追加到容器里。

比如你有几个独立的IDF字典，用下面的方法就能合并且不丢失任何值：

from collections import defaultdict

def merge_idf_dicts(dict_list):
    # 用defaultdict自动给新key初始化空列表
    merged = defaultdict(list)
    for idf_dict in dict_list:
        for word, idf_value in idf_dict.items():
            merged[word].append(idf_value)
    # 可选：转成普通字典（如果不需要defaultdict的特性）
    return dict(merged)

# 测试示例
dict_a = {"cat": 0.75, "dog": 0.6}
dict_b = {"cat": 0.8, "bird": 0.5}
dict_c = {"dog": 0.65, "fish": 0.4}

result = merge_idf_dicts([dict_a, dict_b, dict_c])
print(result)
# 输出：{'cat': [0.75, 0.8], 'dog': [0.6, 0.65], 'bird': [0.5], 'fish': [0.4]}

如果不用defaultdict，用普通字典手动判断也可以，逻辑是一样的。

树结构的关键是先遍历所有节点（不管是深度优先还是广度优先），再把每个节点的IDF字典按上面的方法合并。

假设你的树节点是这样定义的（可以根据你实际的节点结构调整）：

class TreeNode:
    def __init__(self, node_name, idf_dict):
        self.node_name = node_name  # 用来标识节点，方便溯源
        self.idf_dict = idf_dict    # 当前节点的IDF字典
        self.children = []          # 子节点列表

然后写一个遍历树并合并的函数：

def collect_all_node_idfs(root_node):
    merged_idf = defaultdict(list)
    
    def traverse(node):
        # 合并当前节点的IDF值，同时记录节点名称（可选）
        for word, idf_value in node.idf_dict.items():
            # 如果需要知道这个IDF来自哪个节点，就存元组(节点名, IDF值)
            merged_idf[word].append( (node.node_name, idf_value) )
        # 递归遍历子节点
        for child in node.children:
            traverse(child)
    
    traverse(root_node)
    return dict(merged_idf)

# 构建测试树
root = TreeNode("节点A", {"cat": 0.75, "dog": 0.6})
child_b = TreeNode("节点B", {"cat": 0.8, "bird": 0.5})
child_c = TreeNode("节点C", {"dog": 0.65, "cat": 0.7})
root.children = [child_b, child_c]

# 汇总所有节点的IDF
final_result = collect_all_node_idfs(root)
print(final_result)
# 输出：
# {'cat': [('节点A', 0.75), ('节点B', 0.8), ('节点C', 0.7)], 
#  'dog': [('节点A', 0.6), ('节点C', 0.65)], 
#  'bird': [('节点B', 0.5)]}

这样每个单词对应的所有节点的IDF值都被完整保留了，还能知道每个值来自哪个节点，完全解决了覆盖丢失的问题。

如果你不需要溯源节点，只需要所有IDF值的集合，把(node.node_name, idf_value)改成idf_value就行；如果需要去重，可以把列表换成集合（但要注意IDF是浮点数，去重要考虑精度问题）；甚至可以统计每个IDF值出现的次数，用defaultdict(int)来计数。

内容的提问来源于stack exchange，提问作者adi5257