如何用Python编写递归函数？

Question

我有一个无向图，我想迭代地删除每个串行边缘，并用新的边缘替换它。新边的权重表示生成树的数量，应按以下公式计算：T_new = (1/a+b) * T_old，其中 a 和 b 是已删除树的权重边，T_new是当前迭代中的生成树数，T_old是前一次迭代中的生成树数。这个方程随着图形的变化而迭代地变化，因此，如果我们有4次迭代，我们将有4个方程，每个方程都与前一个方程有关。一旦图表不再有串行边，我们将停止。如果最终图形由1条边组成，则该边的权重为最后的T_new，我们将得到T-old的数值。否则，就T_new而言，我们应该使用T_old。这是附件image，解释了我在未正确解释的情况下所说的内容。 这是我的代码描述问题的部分：

** PS：我只需要方程在每次迭代中都发生变化的部分，而不需要删除和添加新边的事情等等。这是一个示例： **

import networkx as nx 
    def fun2(G) :

    L1=  G.degree()  
    print(L1)
    L= list(L1) 
    for x in L :
        if G.degree(x[0]) == 2 : #if the adjacent edges to x[0] are serial 
             ... do somthing(remove edges and add new one with new weight)
        #T-new = 1/(a+b) T-old   here the equation should change


def tau(G) : # it should return T_old which is the number of spanning trees of the initial graph 
    if G.number_of_edges() == 1 :
        T_new = list(G.edges(data=True))[0][2]['weight']
        T_old = (a+b) * t_new
    else : 
        T_new = 1/(a+b) * tau(G) 
        T_old =  (a+b) * t_new
    return t_old

Answer 1

不需要递归，因为我们可以随时更改图形。这是一个解决方案：

import networkx as nx

G = nx.Graph()
G.add_weighted_edges_from([(0,1,5),(0,2,10),(2,3,30)])

for node in list(G.nodes()):
    if G.degree(node) == 2:
        neighbors = list(G.neighbors(node))
        a = G.get_edge_data(neighbors[0], node)['weight']
        b = G.get_edge_data(neighbors[1], node)['weight']
        w = (a * b) / (a + b)
        G.add_edge(neighbors[0], neighbors[1], weight=w)
        G.remove_node(node)