1.树
树是n个结点的有限集。
当n等于0时,为空树。
当n等于1时,为根结点。
当n大于1时,其余节点可以分为m个互不相交的有限集T1、T2、...、Tm。每个集合本身又是一棵树,并且称为一根结点的子树。
显然,树是一种递归的数据结构。
树中某结点的孩子个数称为该结点的度。树的度=max{结点的度}。
树中结点数等于所有点的度数和加1.
结点编号通常从1起,从上到下、从左到右递增。
通常认为树高从1算起,根结点第一层,最后一个叶结点层数最大。
节点间关系有父、祖先、兄弟、孩子、子孙。
两个结点A、B之间的路径就是从A到B所经过的结点的序列。路径长度就是所经过的边的个数。
2.二叉树
二叉树是度不大于2的 且 单个孩子结点分左右的 有序树。在一棵有序树中,只有一个结点做孩子时不分左右。
二叉树的存储——数组、链表。
满二叉树:除叶节点外每个结点度都为2。
完全二叉树:对一棵满二叉树,从后往前连续删除若干个结点,就成了完全二叉树。
完全二叉树两个特点:(1)叶子节点只出现在最高两层上;(2)度为1的结点最多只能有1个,且它只有左孩子。
3.树中数学规律
4.最优二叉树
树中结点的值代表该结点权重。从根到任意结点的路径长度(即经过的边数)与该结点权重之积为该结点的带权路径长度。
树的带权路径长度,WPL,Weighted Path Length of Tree。表示树中所有叶结点的带权路径长度之和。
最优二叉树也称为哈夫曼树。表示带权路径长度最小的二叉树。
对于一个待处理的字符序列,如果对不同字符采用同样的编码长度,这种编码方式叫固定长度编码。如果采用不等长度的二进制位表示,叫可变长度编码。
哈夫曼编码可以对高频字符赋以短编码,达到压缩数据的目的。
给定n个权值分别为w1,w2,、、、,wn的结点,最优二叉树的构造算法如下:
1. 将这n个结点看作n棵二叉树组成的森林F;
2. 构造一个新节点,从森林F中选取两棵根结点权值最小的树作为新结点的左右子树,并且将新结点的权值置为两个选中树根的权值之和。
3. 从F中删除选中的两棵树,并将新构造的树加入F。
4. 重复步骤2和3,直至F中剩下最后一棵树为止。
5.平衡二叉树
平衡树——树中[任意]一个节点的平衡因子的 绝对值不大于1。
def is_Balanced_Binary_Tree(root):
"""判断它是否为平衡二叉树. 平衡的要求是:树中的[每个]节点, 其左右子树的高度差都不能超过1)"""
def calc_height(root):
if root is None:
return 0
l_height, r_height = calc_height(root.left), calc_height(root.right)
# 因为要求每个节点的左右子树高度, 所以要这么写
if l_height == -1 or r_height == -1:
return -1
if abs(l_height - r_height) > 1:
return -1
return max(l_height, r_height) + 1
return calc_height(root) != -1
6.二叉树的遍历
from typing import List
class TreeNode:
"""
Definition of TreeNode:
"""
def __init__(self, val):
self.val = val
self.left, self.right = None, None
def __repr__(self):
return f"val={self.val}, id={id(self)}"
@staticmethod
def BFS(root: 'TreeNode', res: List[int]):
"""
对二叉树作广度优先搜索(遍历)
"""
from queue import Queue
q: Queue[TreeNode] = Queue()
q.put(root)
while not q.empty():
node = q.get()
if node is not None:
res.append(node.val)
q.put(node.left)
q.put(node.right)
return
@staticmethod
def post_order_DFS(root: 'TreeNode'):
""" 后序遍历二叉树 """
result = []
if root:
if root.left:
result += TreeNode.post_order_DFS(root.left)
if root.right:
result += TreeNode.post_order_DFS(root.right)
result.append(root.val)
return result
@staticmethod
def get_shallowest_and_deepest_node(root: 'TreeNode') -> List[int]:
"""返回二叉树中, 最浅和最深的两个叶子节点"""
height_2_node_dict = {}
def traversal(root, height):
if root:
if root.left:
traversal(root.left, height + 1)
if root.right:
traversal(root.right, height + 1)
# 判断是叶子节点
if not (root.left or root.right):
height_2_node_dict[height] = root
traversal(root, 0)
# 按深度升序排序
sorted_tuple = sorted(height_2_node_dict.items(), key=lambda x: x[0])
return [sorted_tuple[0][1].val, sorted_tuple[-1][1].val]
def construct_tree():
"""
0
/ \
1 2
/ \
3 4
/ \
5 6
"""
root = TreeNode(0)
node_1 = TreeNode(1)
node_2 = TreeNode(2)
node_3 = TreeNode(3)
node_4 = TreeNode(4)
node_5 = TreeNode(5)
node_6 = TreeNode(6)
root.left = node_1
root.right = node_2
node_1.left = node_3
node_2.right = node_4
node_4.left = node_5
node_4.right = node_6
return root
if __name__ == '__main__':
root = construct_tree()
search_res_arr = TreeNode.post_order_DFS(root)
print('post_order_DFS', search_res_arr)
search_res_arr.clear()
TreeNode.BFS(root, search_res_arr)
print('BFS', search_res_arr)
res = TreeNode.get_shallowest_and_deepest_node(root)
print('get_shallowest_and_deepest_node', res)
"""
post_order_DFS [3, 1, 5, 6, 4, 2, 0]
BFS [0, 1, 2, 3, 4, 5, 6]
get_shallowest_and_deepest_node [3, 6]
"""
7.字典树
树种一个节点的所有子孙都有相同的前缀,故常用于搜索提示。