依赖边去重的反例:A到B与B到A不能用无序集合合并

本文指出在有向任务依赖图中,将有向边(A→B与B→A)用frozenset等无序结构作为去重键会导致信息丢失,破坏环检测与方向语义。正确做法是基于有序元组判重,保留首见顺序、完整节点集(含孤点)、自环及反向边。强调去重应忠实反映输入有向关系,而非追求表面简洁,并警示未知端点需逐边校验,避免数据清洗掩盖错误。

依赖数据里重复的一条边可以去掉,但方向不同的两条边不应被压成一条。把端点装进frozenset当作去重key,在无向边场景可能合理,搬到有向任务依赖上就会丢信息。本文只做一份固定输入的有向简单化,不消除传递边、不删除环,也不决定哪些任务可以执行。先把这几种处理分开,测试才知道要守住什么。

输入为唯一字符串节点列表和有向边序列,未知端点抛ValueError。返回保留首见次序的边列表与完整邻接表,所有声明节点都应出现,包括没有入边也没有出边的孤点。重复边指起点和终点都相同的有序二元组。自环允许,同一自环出现多次保留一次;是否允许任务自依赖,是上层规则,本函数不会悄悄把它删掉。

最小的方向例是A→B与B→A。二者frozenset都等于{A,B},错误实现留第一条后就把第二条当成重复。加上第三条A→B,完整输入有三项,正确输出前两条,确实只删掉第三项。错误输出只剩A→B,连原来存在的二节点环也消失了;这不是成功去环,而是去重key把不同信息混成一类。

有序边键与无序端点键的结果对照

def dedupe_edges(nodes, edges, wrong_undirected=False):
    adjacency = {u: [] for u in nodes}
    if len(adjacency) != len(nodes):
        raise ValueError('duplicate node')
    seen, kept = set(), []
    for u, v in edges:
        if u not in adjacency or v not in adjacency:
            raise ValueError('unknown endpoint')
        key = frozenset((u, v)) if wrong_undirected else (u, v)
        if key not in seen:
            seen.add(key)
            kept.append((u, v))
            adjacency[u].append(v)
    return kept, adjacency

nodes = list('ABC')
edges = [('A', 'B'), ('B', 'A'), ('A', 'B')]
print('wrong:', dedupe_edges(nodes, edges, True))
print('correct:', dedupe_edges(nodes, edges))
print('self-loop:', dedupe_edges(nodes, [('A', 'A'), ('A', 'A')]))

本地实际输出:

wrong: ([('A', 'B')], {'A': ['B'], 'B': [], 'C': []})
correct: ([('A', 'B'), ('B', 'A')], {'A': ['B'], 'B': ['A'], 'C': []})
self-loop: ([('A', 'A')], {'A': ['A'], 'B': [], 'C': []})

代码里seen保存有序元组,kept按遍历顺序追加,邻接表只在首次出现时追加目标。输入顺序决定输出顺序,但不改变被保留的有向边集合。声明孤立C后,即使所有边都只涉及A和B,结果仍有C对应的空列表,不能从边端点重新生成节点集合,否则会把孤点从接口里抹去。

准备正常图与反例时,可以分别问不同问题。A→B重复两次、B→C一次,检查同向重复是否只留一份;A↔B检查反向边是否都在;A→A重复两次检查自环只压缩重复份数;再声明孤点检查节点全量。它们不是用更多例子重复同一个断言,而是分别守住方向、重复关系、特殊边和节点声明四项合同。

特殊边与完整节点表的测试职责

独立参照不使用seen集合,而是对每个输入位置检查这条有序边是否已出现在它之前的前缀中,只保留首次项。三个节点共有九种可能有向边,包括自环;枚举长度零到四的全部边序列,共7381份。逐份检查保留边、首见顺序和每个节点的邻接次序,另查空图和未知端点。这个参照比主程序慢,但表达方式直接对应定义,适合短输入差分。

主程序平均时间O(V+E),节点与结果边占O(V+E)空间;这里的E包括重复输入项,每一项仍需检查。测试参照做前缀成员查找,最坏二次时间,不拿它用于大规模处理。没有性能实测,也没有把平均哈希复杂度写成所有输入的严格常数保证。

去重之后如果还要拓扑排序,应该把输出交给独立的环检测或排序步骤;两条相反方向的边保留下来,后续发现环正是忠实反映输入。不能为了让测试“正常通过”而预先把反向边都归并掉。对公共数据清洗函数而言,保存可区分的信息,比让返回值看起来更整齐更重要。

还应区分边列表顺序与图的数学等价性。换一种输入排列,邻接输出可能换序,但其有向关系集合仍应相同。当前接口特意保留首见顺序,是为了让后续遍历轨迹可复查;测试因此逐项比较列表,而不是只把结果再转成集合。若调用方只需要无序集合,可以另定更弱的输出合同,不能一边承诺稳定次序,一边用集合相等掩盖乱序。

未知端点的检查也应发生在处理每一项时,不应因为某条边看似重复就跳过合法性审查。否则“清洗”可能让坏数据悄悄消失,调用方失去修正节点声明的机会。

参考与核验:Python set 与 frozenset。示例合同、推导与有限验证范围均在正文明确。

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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