以书上例子为基础（按照整个程序的调用顺序总结）：
首先列出树的数据，两组树的数据组成的列表，分别是listOfTrees[0]以及listOfTrees[1]：
def retrieveTree(i):
listOfTrees =[{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}},
{'no surfacing': {0: 'no', 1: {'flippers': {0: {'head': {0: 'no', 1: 'yes'}}, 1: 'no'}}}}
]
return listOfTrees[i] def createPlot(inTree):
fig = plt.figure(1, facecolor='white')
fig.clf()
axprops = dict(xticks=[], yticks=[]) #去除座标轴显示,也可以选择显示哪些点，如plt.xticks([5,6]),或者ax1.set_xticks([5,6])
createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)
plotTree.totalW = float(getNumLeafs(inTree)) #plotTree是个函数，函数是对象可随时添加公共属性，totalW就是加入的一个属性，plotTree.totalW为叶节点的总数
plotTree.totalD = float(getTreeDepth(inTree)) #plotTree.totalD树的深度，这两个是不变的全局变量，就表示整个树的深度和宽度
plotTree.xOff = -0.5 / plotTree.totalW
plotTree.yOff = 1.0
plotTree( inTree, (0.5, 1.0), '' )
plt.show()下面开始逐条分析上述函数及其对应的调用函数：
1.
fig = plt.figure(1, facecolor='white')2.
fig.clf()3.
axprops = dict(xticks=[], yticks=[])4.
createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)5.
plotTree.totalW = float(getNumLeafs(inTree))def getNumLeafs(myTree): #获取叶节点数目
numLeafs = 0
firstStr = list( myTree.keys() )[0] #把树转换成关键字列表，此时列表中只有一个关键字，因为是第一个分支点
secondDict = myTree[firstStr] #获取关键字（第一个问题）下的内容,至少有一个回答和一个结果，所以内容至少是｛0：1｝这样的形式
for key in secondDict.keys(): #遍寻第一个问题的所有回答,即第一个关键字下的字典的关键字
if type(secondDict[key]).__name__ == 'dict': #判断下一级是不是还是字典， .__name__作用是将类型名称变为str
numLeafs += getNumLeafs(secondDict[key]) #叶节点的数目等于所有最后一级的总数目
else: #比如第一个问题有2个分支，1个分支到底了+1，另一个分支又分出2个分支，2个分支都到底了，+2，一共是3
numLeafs += 1 #按程序步骤是，第一个关键字不符合if，+1，第二个关键字进入getNumLeafs(secondDict[key])，两个分支都不符合if，return2
return numLeafs #即getNumLeafs(secondDict[key])是2，最后结果是3myTree.keys()在Python3中不是list，而是dict_keys，需要用函list()转换成列表才能用位置标号取用
6.
plotTree.totalD = float(getTreeDepth(inTree))def getTreeDepth(myTree): #获取树的层数
maxDepth = 0
firstStr = list( myTree.keys() )[0]
secondDict = myTree[firstStr]
for key in secondDict.keys():
if type(secondDict[key]).__name__ == 'dict':
thisDepth = 1 + getTreeDepth( secondDict[key] )
else:
thisDepth = 1
if thisDepth > maxDepth: #key寻遍所有关键字，第一个关键字可能层数只有1，但是第二个可能是2层
maxDepth = thisDepth #加入一个比较，取层数最多的那个就是树的层数
return maxDepth7.
plotTree.xOff = -0.5 / plotTree.totalW
plotTree.yOff = 1.0
plotTree( inTree, (0.5, 1.0), '' )http://blog.csdn.net/qq_25974431/article/details/79083628
plotTree( inTree, (0.5, 1.0), '' )plotTree函数：
def plotTree(myTree, parentPt, nodeTxt):
numLeafs = getNumLeafs(myTree) #获取当前节点下的叶节点总个数，后面递归myTree会变化
depth = getTreeDepth(myTree) #获取当前树的深度
firstStr = list( myTree.keys() )[0] #第一个问题，即获取树根
cntrPt = ( plotTree.xOff + (1.0 + float(numLeafs)) / 2.0 / plotTree.totalW, plotTree.yOff )
#x轴的座标由前一个位置确定当前位置，第一次是由初始位置确定
plotMidText(cntrPt, parentPt, nodeTxt) #父子之间加文本
plotNode(firstStr, cntrPt, parentPt, decisionNode) #指定文本内容，终点，起点，文本框类型
secondDict = myTree[firstStr] #提取字典下一层内容
plotTree.yOff = plotTree.yOff - 1.0 / plotTree.totalD #树的深度往下走一级，树的深度不计算树根，y轴被分为plotTree.totalD，每层高度1.0 / plotTree.totalD
for key in secondDict.keys():
if type( secondDict[key] ).__name__ == 'dict':
plotTree( secondDict[key], cntrPt, str(key) ) #递归，绘制下一层
else:
plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalW #如果不是字典，那肯定是一个节点，这个节点的x座标位置距离上一个节点1.0 / plotTree.totalW
plotNode( secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode )
plotMidText( (plotTree.xOff, plotTree.yOff), cntrPt, str(key) )
plotTree.yOff = plotTree.yOff + 1.0 / plotTree.totalDcntrPt = ( plotTree.xOff + (1.0 + float(numLeafs)) / 2.0 / plotTree.totalW, plotTree.yOff )
下面调用plotMidText函数：
plotMidText(cntrPt, parentPt, nodeTxt)def plotMidText(cntrPt, parentPt, txtString): #起始点终止点之间的中点加文本
#书上的写法啰嗦，(2,2)和(4,4)的重点直接(4+2)*0.5就行了，不用写成2+（4-2）*0.5
xMid = ( parentPt[0] + cntrPt[0] ) / 2.0 #这样写更方便
yMid = ( parentPt[1] + cntrPt[1] ) / 2.0
fig = plt.figure(1)
ax1 = fig.add_subplot(111,frameon=False)
ax1.set_xticks([])
ax1.set_yticks([])
ax1.text(xMid, yMid, txtString) #在(xMid,yMid)位置加上文本内容txtString
#text()作用：将文本放置在轴域的任意位置
在程序最前面定义的几个变量
decisionNode = dict( boxstyle = 'sawtooth', fc = '0.8' ) #boxstyle为文本框类型，sawtooth为锯齿形
leafNode = dict( boxstyle = 'round4', fc = '0.8' ) #round4为长方圆形，fc是边框线粗细
arrow_args = dict( arrowstyle = '<-' ) #arrowstyle为箭头的样式plotNode(firstStr, cntrPt, parentPt, decisionNode) #树根是非叶节点，所以用decisionNodedef plotNode(nodeTxt, centerpt, parentPt, nodeType):
fig = plt.figure(1)
ax1 = fig.add_subplot(111, frameon=False)
ax1.set_xticks([])
ax1.set_yticks([])
ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction', xytext=centerpt,\
textcoords='axes fraction', va='center', ha='center', bbox=nodeType,\
arrowprops=arrow_args)annotate括号中，nodeTxt是文本内容，xy是起点，xytext是终点，bbox是文本框类型，arrowprops是箭头类型，调用完后相当于完成了对树根的绘制
绘制完树根后下面进行数据的更新：
secondDict = myTree[firstStr]
plotTree.yOff = plotTree.yOff - 1.0 / plotTree.totalD 运用循环递归绘制继续绘制：
for key in secondDict.keys():
if type( secondDict[key] ).__name__ == 'dict':
plotTree( secondDict[key], cntrPt, str(key) ) #递归，绘制下一层
else:
plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalW #如果不是字典，那肯定是一个节点，这个节点的x座标位置距离上一个节点1.0 / plotTree.totalW
plotNode( secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode )
plotMidText( (plotTree.xOff, plotTree.yOff), cntrPt, str(key) )plotTree( secondDict[key], cntrPt, str(key) ) #递归，绘制下一层plotTree.xOff = plotTree.xOff + 1.0 / plotTree.totalW
plotNode( secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode )
plotMidText( (plotTree.xOff, plotTree.yOff), cntrPt, str(key) )如果不是字典，那这个回答下就是一个叶子节点，这个叶子节点的座标距离上一个节点座标的距离是一个叶间距，就是 （1/ 叶节点个数）这么大的距离，因为这个绘制的是第一个叶子节点的X座标，上一个座标是预先设定好的-0.5*页间距
然后设置样式，绘制该节点，并在父子级中点加入回答文本
最后加
plotTree.yOff = plotTree.yOff + 1.0 / plotTree.totalD #作用是y轴座标回到上一层位置
画这张图的整个过程应该是第一个for循环画出第一层，第一层的第二个关键字下还是字典，所以是节点，递归画出第二层，先寻到关键字head，head关键字下的内容还是字典，所以递归进入第三层，遍寻后画出2个叶子节点，这个时候，在第二次递归后树的y轴已经到0了，如果在第二次递归的最后y轴不反回上一层，就会出现上图中右侧的情况，在第二次递归画完两个节点后，y轴返回上一层，然后进入第一次递归中寻到关键字no，是一个叶子节点，此时该次递归中两个key遍寻完了，在第一次递归中执行最后一条语句，y轴再返回上一层，第一次递归也结束了，此时非递归的2个key也遍寻完了，最后再执行一次非递归中的plotTree.yOff
= plotTree.yOff + 1.0 / plotTree.totalD，此时y的位置返回到1
最后如果要显示没有座标没有边框的图，程序中每个定义图纸的地方都要如此写：
fig = plt.figure(1)
ax1 = fig.add_subplot(111, frameon=False)
ax1.set_xticks([])
ax1.set_yticks([])