多级嵌套结构在业务系统中随处可见：组织架构、商品分类树、评论回复链、文件夹目录等。这些结构往往同时携带数值型字段，比如部门预算、分类销售额、节点访问量。当需求变成“统计每一层级的总金额”时，一个朴素的想法是遍历所有节点，把金额加到对应层级上。但嵌套层级不固定，深度可能随时变化，写死循环显然不够灵活。递归是处理树形结构的天然工具，不过简单递归只能统计总和，要按层级分桶统计，还需要在递归函数里维护层级上下文。
本文以业务中常见的分类树金额统计为例，逐步推导出按层级统计的递归实现，并进一步分析递归的边界问题与迭代替代方案。示例代码使用 Python，但思路同样适用于 JavaScript、Java 等语言。
递归基础：先统计所有节点的总金额
假设每个节点是一个字典对象，包含 name、amount 和 children 三个字段。其中 children 是子节点列表，叶子节点的 children 为空列表。下面的递归函数可以计算出整棵树的金额总和：
def sum_all(node):
total = node['amount']
for child in node.get('children', []):
total += sum_all(child)
return total
这个实现很简单：函数先累计当前节点的金额，然后对每个子节点递归调用，把返回值加进来。由于递归调用会沿着路径一直深入到叶子节点，所以所有金额都会被覆盖。但注意，这里的 node['amount'] 使用了单引号，代码块内单引号无需转义，而 HTML 特殊字符已经转义完成。这个函数只返回一个总数值，并没有区分金额来自第几层。
如果需求只是总量，上面代码就够用了。但运营往往需要知道“一级分类合计多少、二级分类合计多少、三级分类合计多少”，这样才能分析不同层级对整体销售额的贡献。此时必须修改递归函数，让它知道当前正在处理第几层，并在该层对应的累加器上增加金额。
按层级统计的递归实现
为了让递归函数感知层级，可以增加一个 level 参数，初始调用时传入 1。同时用一个列表 level_totals 保存各层金额之和，列表下标从 0 开始，但为了下标直接对应层级，可以预先放入一个占位元素，使 level_totals[1] 对应第 1 层。递归时，先在当前层累加金额，然后对每个子节点以 level + 1 继续调用。
def sum_by_level(node, level, totals):
# totals 是一个列表，totals[0] 占位，totals[1] 是第 1 层总额，依此类推
# 确保列表长度足够容纳当前层级
while len(totals) <= level:
totals.append(0)
totals[level] += node['amount']
for child in node.get('children', []):
sum_by_level(child, level + 1, totals)
# 使用示例
root = {
'name': '电子产品',
'amount': 100,
'children': [
{'name': '手机', 'amount': 300, 'children': [
{'name': '智能手机', 'amount': 500, 'children': []},
{'name': '功能机', 'amount': 100, 'children': []}
]},
{'name': '电脑', 'amount': 200, 'children': [
{'name': '笔记本', 'amount': 400, 'children': []}
]}
]
}
totals = [0]
sum_by_level(root, 1, totals)
print(totals) # [0, 100+300+200=600, 500+100+400=1000] 输出结果中没有注释
上面代码中 while len(totals) <= level: 这一行，小于等于号 <= 必须在代码块中转义为 <=，否则会被浏览器解析成标签开始，破坏代码显示。同样地，任何比较运算符和泛型尖括号都需要转义。函数执行后，totals 列表就是各层级金额之和，下标即为层级。例如上面的树，第 1 层包含根节点自身金额 100，加上两个二级节点自身金额 300 和 200，合计 600；第 2 层包含三个三级节点的金额 500、100、400，合计 1000。
这段代码有一个关键设计：使用列表存储层级聚合，而不是在递归返回值里把各层结果逐层合并。另一种方案是让递归函数返回一个列表，表示以当前节点为根的子树中每一层的总金额，然后父节点将自己的金额加到第一层，再与子节点返回的列表逐项相加。这种“自底向上合并”的方式在逻辑上更清晰，但需要处理列表长度对齐，代码会略微复杂。
def sum_by_level_bottom_up(node):
result = [node['amount']] # 第 1 层是当前节点自身
for child in node.get('children', []):
child_result = sum_by_level_bottom_up(child)
# 将 child_result 的每一层累加到 result 对应位置
max_len = max(len(result), len(child_result))
result.extend([0] * (max_len - len(result)))
for i in range(len(child_result)):
result[i] += child_result[i]
return result
# 调用
result = sum_by_level_bottom_up(root)
print(result) # [600, 1000]
这种自底向上的方式返回的列表下标从 0 开始，第 0 项对应第 1 层，第 1 项对应第 2 层，依次类推。它不依赖外部状态，更符合函数式风格，但每一次递归都会创建新列表并合并，当树很大时会产生较多临时对象。对于大多数业务场景，层级深度不会特别夸张，使用带 level 参数和外部累加列表的版本更直观，也更容易加上剪枝、过滤条件等逻辑。两种方案本质相同，读者可以根据团队习惯选择。
递归深度限制与迭代替代方案
递归虽然优雅，但在 Python 中默认递归深度限制约为 1000，如果树层级超过这个限制，会抛出 RecursionError。即使没有达到 1000 层，过深的递归也会消耗大量调用栈内存。对于预测不到层级的动态树结构，可以采用显式栈把递归改写为迭代。迭代时每个栈元素需要同时携带节点和它的层级，处理逻辑与递归版本一一对应。
def sum_by_level_iterative(root):
totals = [0]
stack = [(root, 1)] # 栈中每个元素是 (节点, 层级)
while stack:
node, level = stack.pop()
while len(totals) <= level:
totals.append(0)
totals[level] += node['amount']
# 注意：如果希望保持原有子节点顺序，需要反向入栈
for child in reversed(node.get('children', [])):
stack.append((child, level + 1))
return totals
# 调用
totals = sum_by_level_iterative(root)
print(totals) # [0, 600, 1000]
上面迭代版本使用 stack.pop() 弹出最后一个元素，这是深度优先遍历的行为。由于栈是后进先出，为了让先出现的子节点先被处理，需要将子节点列表反转后再依次入栈。如果不关心遍历顺序，只关心最终各层金额，是否反转并不影响结果。迭代方式彻底规避了调用栈溢出问题，但代码可读性略低于递归。在实际生产环境中，如果树的最大层级是已知且可控的，递归完全够用；如果树来自不受信任的外部输入，比如用户创建的无限嵌套评论，建议优先使用迭代。
另一个需要注意的边界是节点自身的金额是否应该计入层级统计。有些业务场景中，父节点的金额可能已经是其所有子节点金额的汇总，此时如果同时累加父节点和子节点，会导致重复计算。解决方法是提前约定：父节点金额仅代表自身独立发生额，或者只统计叶子节点金额然后逐层汇总。上面的代码默认父节点金额是独立值，需要一并计入。如果业务上父节点金额是汇总值，那么应该只累加叶子节点金额，再通过后序合并得到各层总额，或者干脆清空父节点金额字段。实现时务必确认数据口径。
实际应用中的扩展与性能考量
按层级统计金额往往只是第一步，后续还可能要求按层级统计平均值、最大值、中位数，或者同时统计多个指标。这时可以把累加逻辑抽象成一个回调函数，递归遍历节点时对每一层调用回调处理。例如要统计各层节点数量，只需在回调里对 totals[level] 加 1 而不是加 amount。如果数据量非常大，单线程递归可能成为瓶颈，可以考虑将子树分片并行计算，最后汇总各片子的层级结果。不过并行会引入线程安全或进程间通信成本，只有当树节点数达到百万级时才值得考虑。
另外，层级统计结果经常需要展示为表格或图表，前端一般期望得到类似 [{level: 1, total: 600}, {level: 2, total: 1000}] 的结构。可以在 Python 中直接将 totals 列表转换成字典数组再返回给接口层。如果使用自底向上的返回值，也可以做同样的转换。无论哪种方式，核心递归逻辑保持不变，输出格式只是最外层的适配。
还有一个容易忽略的点：当树中存在循环引用时，递归会陷入无限循环。虽然大多数业务数据不会出现，但如果是用户可编辑的树结构，需要在递归时维护一个已访问节点集合，或者在数据结构层面保证父子关系不会回指。循环引用在迭代版本中同样会导致死循环，因为栈永远不会清空。对于不可信输入，建议在进入递归前先做一次环检测。
总结一下，按层级统计多级嵌套结构金额的关键在于让递归函数携带层级参数，并使用列表或字典累加各层数值。递归实现代码简短，但当层级过深时需要切换为显式栈迭代。数据口径、循环引用、性能优化等细节同样不能忽视。掌握这些要点后，你可以轻松应对评论树、组织树、分类树等各类层级聚合统计需求。