避免无限递归需在节点类的__repr__中禁用子节点递归，改用浅层表示；双向引用时用weakref.ref存父节点；可视化整棵树应单独实现限深遍历或非递归DFS。
用 dict 或 class 表示树节点时，怎么避免无限递归？
Python 默认的 repr() 和 print() 在遇到循环引用（比如父节点存子节点、子节点又存回父节点）时会直接抛出 RecursionError: maximum recursion depth exceeded。这不是数据错了，是显示逻辑卡住了。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 节点类中不要在
__repr__里直接递归打印子节点，改用浅层表示，例如f"Node({self.name}, children={len(self.children)})" - 真要可视化整棵树，单独写一个非递归的遍历函数（如用栈模拟 DFS），或限制深度：
def print_tree(node, depth=0, max_depth=3): - 如果必须双向引用，用
weakref.ref存父节点，避免引用计数拖住对象生命周期
用 networkx 绘制组织架构图时，为什么边总是乱的？
默认 networkx 的布局算法（如 spring_layout）不保证父子层级顺序，画出来像一团毛线。它把图当无向网处理，而组织架构本质是有向、分层、带根的树。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 强制用
graphviz_layout（需装pygraphviz或graphviz）：pos = nx.nx_agraph.graphviz_layout(G, prog="dot")，prog="dot"才能按父子方向垂直排布 - 确保图是
nxDiGraph而非nxGraph，否则方向信息丢失 - 手动指定根节点：传入
root="CEO"参数，不然dot可能选错起点
从 JSON 加载组织结构后，如何快速查「某人所有下属」？
原始 JSON 通常是扁平列表（含 id 和 parent_id），直接遍历找下属效率低，O(n²)。每次查都要扫全量数据，1000 人就可能卡顿。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 预处理建索引：用
defaultdict(list)构建children_map，键为parent_id，值为该父节点下所有子节点 ID 列表 - 用 BFS 或 DFS 递归展开时，只查
children_map[employee_id]，避免反复过滤原始列表 - 如果查询频繁且结构不变，把结果缓存成
dict[employee_id] = set(all_subordinate_ids)，空间换时间
用 pandas 分析多层级汇报关系时，groupby 为什么不能直接按“上级→下级”聚合？
因为标准 groupby 是单层分组，而汇报链是路径（CEO → VP → Manager → IC），不是固定字段。你没法写 df.groupby(["manager", "sub_manager", "team_lead"])——层级深度不统一。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
networkx或自定义函数生成每个员工的完整路径（如["CEO", "VP-Eng", "Manager-FE"]），存为新列path - 对
path列做str.split().str[0]取一级上级，或str.len()算层级深度，再分组 - 更稳的方式是用
sqlalchemy+ 递归 CTE（如果数据在数据库），Python 端硬算容易漏掉跨层跳转（如虚线汇报线）
