小编会一直更新数据结构相关方面的知识，使用的语言是Java，但是其中的逻辑和思路并不影响，如果感兴趣可以关注合集。
希望大家看完之后可以自己去手敲实现一遍，同时在最后我也列出一些基本和经典的题目，可以尝试做一下。大家也可以自己去力扣或者洛谷牛客这些网站自己去练习，数据结构光看不敲是学不好的，加油，祝你早日学会数据结构这门课程。
有梦别怕苦，想赢别喊累。
目录
二叉树
树形结构就是由一个节点在最顶端，我们叫它根节点，它有很多分支指向下面的节点，同样下面的节点也会有分支指向它们下面的节点，我们只需要搞懂树形结构中的二叉树这一类就可以了。
概述
在计算机科学中，二叉树就是最多只有两个分支的树形结构，如下图所示，一个分支指向左子节点，也叫做这个节点的左孩子，一个分支指向当前节点的右子节点，也叫做右孩子，我们把当前节点叫做父节点，如果一个节点没有孩子节点，也就是没有分支，我们叫它叶子节点。其实通过我们前面学习优先级队列时我们已经对完全二叉树这种结构有所了解了。
对于二叉树的实现呢，可以像下面这样构造节点类来实现二叉树。
public class TreeNode {
public int val;
public TreeNode left;
public TreeNode right;
public TreeNode(int val) {
this.val = val;
}
public TreeNode(TreeNode left, int val, TreeNode right) {
this.left = left;
this.val = val;
this.right = right;
}
@Override
public String toString() {
return String.valueOf(this.val);
}
}同时还可以数组模拟实现二叉树，具体实现的细节我们已经在上一篇讲优先级队列时讲的很清楚了，如果还有不太了解的可以翻上一篇文章。
遍历
对于二叉树这种树形结构的遍历，我们分为两种遍历方式，一种叫做宽度优先遍历，一种叫做深度优先遍历。
宽度优先遍历
宽度优先遍历我们是从根节点开始，一层一层的往下遍历，遵从的是先遍历完当前层再遍历下一层，也很符合它的名字宽度优先，先遍历横向再遍历纵向，这个过程其实也是一层一层遍历，所以也叫做二叉树的层序遍历。
了解了这个过程后我们来看一下怎么实现对一棵二叉树进行宽度优先遍历，如果我们是通过树节点来构造的一颗二叉树，那我们要需要准备一个队列，由于我们一开始只知道树的根节点root，我们先把root放到队列中，然后一个while循环，条件就是当队列不为空时就一直循环下去，我先说明一下这个队列只有在遍历完整棵树后才会停止。在循环中做的事就是我们拿出队头节点，然后依次判断它是否有左右孩子，如果有就把它的左右孩子放到队列中，如此反复。对着上面图片上的二叉树，过程就是节点1先入队列，接着拿出节点1，将它左右孩子2，3入队列，然后拿出节点2，将它左孩子4入队列，接着拿出节点3，如此往复。
// 宽度优先遍历
public void bfs(TreeNode root) {
// 树为空，特殊处理
if (root == null) {
return;
}
Queue queue = new LinkedList();
// 根节点入队
queue.add(root);
// 当前层的节点数
// int num = 1;
while (!queue.isEmpty()) {
// 下一层的节点数
// int next = 0;
// 表示循环遍历当前层的节点
// for (int i = 0; i < num; i++) {
// 取出队头元素
TreeNode cur = (TreeNode) queue.poll();
System.out.print(cur + " ");
// 如果有左孩子就入队
if (cur.left != null) {
queue.add(cur.left);
// 下一层节点个数+1
// next++;
}
// 如果有右孩子就入队
if (cur.right != null) {
queue.add(cur.right);
// 下一层节点个数+1
// next++;
}
// }
// 当前层遍历完，换行
// System.out.println();
// num = next;
}
}其实上面的这种遍历方式是不知道当前遍历到的节点属于哪一层的，如果我们想改进，只需要增加两个变量来记录这一层和下一层的节点数就行了。把上面注释掉的代码放开，就是答案。
另外如果使用的是数组模拟实现的二叉树，我们只需要遍历数组就是二叉树的层序遍历。
深度优先遍历
深度优先遍历顾名思义就是先往深遍历再往宽遍历，也就是我们要先向下去遍历到叶子节点，但是接下来的操作的不同让深度优先遍历又分为了三种，前序遍历，中序遍历，后序遍历。
前序遍历
对于每一颗子树，先访问该节点，然后是左子树，最后是右子树。其实通俗来讲就是我们先打印自己的值再去遍历左子树，接着遍历右子树。
实现其实是分递归和迭代两种方式，如果我们写成递归其实非常简单，就是照着第一句话写代码就行了。
// 前序遍历preOrder 递归
public void preOrder(TreeNode root) {
// 递归终止的条件
if (root == null) {
return;
}
// 打印当前节点的值
System.out.println(root.val);
// 遍历左子树
preOrder(root.left);
// 遍历右子树
preOrder(root.right);
}迭代实现的话，我们可以模拟一下递归遍历的执行过程就会发现，其实它遍历时无论是前序中序还是后序，走过的路程都是先走左子树然后回到根节点，接着走右子树再回到根节点，对于任意一颗子树也是这样的。
接下来我们来尝试一下实现一下二叉树遍历过程中走过的路，由于当我们往左子树遍历时，我们是124的路线去的，我们还要421的路线出来，树节点并不存储父节点，所以我们需要一种数据结构记录来时经过的节点，我想你也已经想到了，我们可以用栈存储来时的节点，然后在到达叶子节点时我们就从栈中弹出元素不断往回走。
// 前序遍历preOrder 非递归
public static void preOrder2(TreeNode root) {
Stack st = new Stack();
// 代表当前节点
TreeNode cur = root;
// 如果当前节点不为空并且栈不为空就一直循环
while (cur != null || !st.isEmpty()) {
// 没有来到叶子节点
if (cur != null) {
// 打印去的路线
colorPrintln("去: " + cur.val, 31);
st.push(cur);
// 往左走
cur = cur.left;
} else { //来到叶子节点
// 栈顶弹出节点
TreeNode pop = (TreeNode) st.pop();
// 打印回的路线
colorPrintln("回: " + pop.val, 34);
// 往右走
cur = pop.right;
}
}
}
前序遍历就是简单来说就是中左右，也就是优先处理当前节点在是左节点最后处理右节点。
所以我们来到一个节点时一定是优先处理这个节点，所以一定在刚到这个节点时打印，那么去的路线就是这棵树的前序遍历，也就是打印的红色的去的顺序
中序遍历
对于每一颗子树，先访问左子树，然后是该节点，最后是右子树。其实通俗来讲就是先去遍历左子树，再打印自己的值，最后遍历右子树。
递归的实现也是按照第一句话写代码就行了。
// 中序遍历inOrder 递归
public void inOrder(TreeNode root) {
// 递归终止的条件
if (root == null) {
return;
}
// 遍历左子树
inOrder(root.left);
// 打印当前节点的值
System.out.println(root.val);
// 遍历右子树
inOrder(root.right);
}迭代实现的话，我们中序遍历就是左中右的顺序，那么我们就应该是在回到这个节点的时候打印，也就是回来的路线，对应得就是控制台打印的蓝色回来路线。
后序遍历
对于每一颗子树，先访问左子树，然后是右子树，最后是该节点。其实通俗来讲就是先去遍历左子树，再遍历右子树，最后打印自己的值。
递归的实现也是按照第一句话写代码就行了。
// 后序遍历lastOrder 递归
public void lastOrder(TreeNode root) {
// 递归终止的条件
if (root == null) {
return;
}
// 遍历左子树
lastOrder(root.left);
// 遍历右子树
lastOrder(root.right);
// 打印当前节点的值
System.out.println(root.val);
}后序遍历的迭代实现其实就是左右中，最后再处理我们的当前节点，但是我们再来看看那段代码回来时的逻辑 ，在else这个分支中，我们是先处理了当前节点，再去到右子树，所以我们要在这里做一些修改，让它先去处理右子树，当一个节点左右子树都处理完了，我们再来处理当前节点。
else { //来到叶子节点
// 栈顶弹出节点
TreeNode pop = (TreeNode) st.pop();
// 打印回的路线
colorPrintln("回: " + pop.val, 34);
// 往右走
cur = pop.right;
}当来到一个节点时，它可能没有右子树又或者它已经处理完它的右子树了，对于第二种情况我们就需要用一个变量去存储上一次处理的节点，然后就可以比较是已经处理完右子树了，还是还没有开始处理。
// 后序遍历lastOrder 非递归
public static void lastOrder2(TreeNode root) {
Stack st = new Stack();
// 代表当前节点
TreeNode cur = root;
// 最近一次弹栈的元素
TreeNode pop = null;
// 如果当前节点不为空并且栈不为空就一直循环
while (cur != null || !st.isEmpty()) {
// 没有来到叶子节点
if (cur != null) {
// 打印去的路线
//colorPrintln("去: " + cur.val, 31);
st.push(cur);
// 往左走
cur = cur.left;
} else { //来到叶子节点
// 栈顶元素
TreeNode peek = (TreeNode) st.peek();
// 当前栈顶元素的右子树为null或者它的右子树为上一次处理的节点
if (peek.right == null || peek.right == pop) {
pop = (TreeNode) st.pop();
colorPrintln("回：" + pop.val, 31);
} else {
// 往右走
cur = peek.right;
}
}
}
}和前中序迭代的代码没什么两样就是多了一个变量记录上一次处理的节点以及在回来这条路上判断一下当前是否处理完右子树。
其实我们可以把前中后序遍历的迭代实现整合成一个模板，而每种遍历顺序只是处理时机不同罢了，看看下面的代码，配合注释我相信你可以看懂，其实和前面我们的实现大差不差。
public static void allIterations(TreeNode root) {
Stack st = new Stack();
// 代表当前节点
TreeNode cur = root;
// 最近一次弹栈的元素
TreeNode pop = null;
// 如果当前节点不为空并且栈不为空就一直循环
while (cur != null || !st.isEmpty()) {
// 没有来到叶子节点
if (cur != null) {
st.push(cur);
colorPrintln("前：" + cur.val, 31);
// 往左走处理左子树
cur = cur.left;
} else { //来到叶子节点
// 栈顶元素
TreeNode peek = (TreeNode) st.peek();
// 没有右子树
if (peek.right == null) {
colorPrintln("中：" + peek.val, 36);
pop = (TreeNode) st.pop();
colorPrintln("后：" + pop.val, 34);
} else if (peek.right == pop) { //右子树已经处理完成
pop = (TreeNode) st.pop();
colorPrintln("后：" + pop.val, 34);
} else {
colorPrintln("中：" + peek.val, 36);
// 往右走处理右子树
cur = peek.right;
}
}
}
}二叉树遍历这一块是重点，掌握了二叉树的遍历，其实树形结构的遍历也就掌握了。
二叉搜索树
概述
在计算机科学中，树形结构中我们规定了一种利于查找值的数据结构叫做二叉搜索树，它的结构在二叉树上有所不同，二叉搜索树的节点类新增一个key属性，用来比较节点之间的大小，key可以等于value，但是key不可以重复，同时对于任意一个树节点，它的key比左子树的key都大，同时也比右子树的key都小，也就是说比当前节点小的都在左子树，比当前节点大的都在右子树。下图所示就是一颗二叉搜索树。
这时如果我们要查找8，我们从根节点4开始，发现8大于4，所以我们去4的右子树上找，我们来到7，发现8大于7，所以我们来到7的右子树，这时我们发现当前节点就是8，所以对于一颗左右子树高度平衡的二叉树，它查找值的时间复杂度是O(logn)。
但是如果是下面这样一颗二叉搜索树那么它的时间复杂度就可能达到O(n)。
但是不要急，我们后面会有解决办法，我们先来学习一下二叉搜索树。
实现
结构
要实现二叉搜索树，我们就需要来构造我们的节点类，之前说过二叉搜索树就是多了一个key属性来比较大小，这里为了方便，我就直接规定为整型，省掉了写比较器。
static class BSTNode {
int key;
int value;
BSTNode left;
BSTNode right;
public BSTNode(int key) {
this.key = key;
}
public BSTNode(int key, int value) {
this.key = key;
this.value = value;
}
public BSTNode(int key, int value, BSTNode left, BSTNode right) {
this.key = key;
this.value = value;
this.left = left;
this.right = right;
}
}接着对于一个树形结构我们还需要一个根节点，这是必不可少的，当前还有一些地方你会看到有维护树的高度和树的节点数的，这里我们就从简单的开始就好了。
public class BSTTree {
BSTNode root; //根节点
static class BSTNode {
int key;
int value;
BSTNode left;
BSTNode right;
public BSTNode(int key) {
this.key = key;
}
public BSTNode(int key, int value) {
this.key = key;
this.value = value;
}
public BSTNode(int key, int value, BSTNode left, BSTNode right) {
this.key = key;
this.value = value;
this.left = left;
this.right = right;
}
}
}
查找
在之前我们已经知道了二叉搜索树的特性，所以现在实现二叉搜索树的查找功能我们直接根据特性写代码就行了，小的数去左子树找，大的数去右子树找，递归的代码就非常好实现
// 查找指定key对应节点的值
public int get(int key) {
return doGet(root, key);
}
private int doGet(BSTNode node, int key) {
if (node == null) {
return Integer.MIN_VALUE; // 没找到，返回一个特殊值
}
if (key < node.key) {
doGet(node.left, key); // 向左找
} else if (key > node.key) {
doGet(node.right, key); // 向右找
} else {
return node.value; // 找到返回
}
}迭代的方法其中的逻辑也是一样。
public int get2(int key) {
BSTNode node = root;
while (node != null) {
if (key < node.key) {
node = node.left;
} else if (key > node.key ) {
node = node.right;
} else {
return node.value;
}
}
return Integer.MIN_VALUE;
}获得最小值
找到二叉搜索树中的最小值，只需要一直往左走，直到来到没有左孩子的节点，就是最小值。
// 获取树中最小的key
public int min() {
return doMin(root);
}
public int doMin(BSTNode node) {
if(node == null){ // 树为空
return Integer.MIN_VALUE;
}
if (node.left == null) { // 最小节点
return node.value;
}
return doMin(node.left);
}迭代实现逻辑也是一样的。
public int min2() {
if (root == null) {
return Integer.MIN_VALUE;
}
BSTNode node = root;
while (node.left != null) {
node = node.left;
}
return node.value;
}
获得最大值
和最小值同理，只需要一直向右走，直到来到没有右孩子的节点，就是最大值。
// 获取树中最大的key
public int max() {
doMax(root);
}
public int doMax(BSTNode node) {
if (node == null) { // 树为空
return Integer.MIN_VALUE;
}
if (node.right == null) { // 最小节点
return node.value;
}
return doMin(node.right);
}迭代自己尝试一下吧，我相信你已经对递归改迭代有了一点体会了。
二叉搜索树的遍历和二叉树的遍历其实是一样的，所以自己测试吧，我就不贴了。
添加节点
添加节点分两种情况来实现，如果key已经存在，我们只要更新value值，如果没有存在，我们就新增节点，这次我用迭代来实现，递归的实现就交给你了。我们先要根据key来查找是否存在节点，这里我们可以直接复用get方法的代码，如果找到了，我们直接更新就好了，如果没有找到我们就需要新增节点，但是新增节点我们需要父节点，父节点我们只需要设置一个parent变量记录上一次操作的节点，其实也就是当前节点的父节点。
// 添加节点
public void put(int key, int value) {
BSTNode node = root;
BSTNode parent = null; // 记录当前节点的父节点
while (node != null) {
parent = node;
if (key < node.key) {
node = node.left;
} else if (key > node.key) {
node = node.right;
} else {
// 1.更新
node.value = value;
return;
}
}
// 树空
if(parent == null){
root = new BSTNode(key,value);
return ;
}
// 2. 新增
new BSTNode(key, value);
if (key < parent.key) {
parent.left = new BSTNode(key, value);
} else {
parent.right = new BSTNode(key, value);
}
}获得前任节点
先来讲一下什么是前任节点，通俗来说就是比它小的数中的最大值。如下图，4的前任节点是节点3，5的前任节点是节点4。其实对于二叉搜索树，当我们进行中序遍历时，顺序就是升序的，所以这时我们找前任节点非常简单，但是我们不用中序遍历这种方法，你可以自己尝试一下。
我们用另一种方法，这种方法前人已经总结好了，我们直接来看一下好了，这其实分为两种情况，有左子树和没有左子树，其实有左子树这种情况非常简单，逻辑和我们上面写的获得最大值其实是一样的。那第二种情况，我们就需要找到第一个从左而来的祖先节点，其实这时我们就可以用一个变量来记录最近的从左而来的祖先节点，当我们在向右走时，当前节点就是后面节点从左而来的祖先节点，最后如果这个节点不为null，我们返回这个节点的值就好了。
// 找到比它小的数中的最大值
public int searchMaxButMin(int key) {
BSTNode node = root;
BSTNode ancestorFromLeft = null;
while (node != null) {
if (key < node.key) {
node = node.left;
} else if (key > node.key) {
ancestorFromLeft = node;
node = node.right;
} else {
break;
}
}
// 没找到节点
if (node == null) {
return Integer.MIN_VALUE;
}
// 有左子树
if (node.left != null) {
return max(node.left);
}
// 没有左子树
return ancestorFromLeft != null ? ancestorFromLeft.value : Integer.MIN_VALUE;
}
private int max(BSTNode node) {
if (node == null) {
return Integer.MIN_VALUE;
}
BSTNode p = node;
while (p.right != null) {
p = p.right;
}
return p.value;
}获得后任节点
知道了前任节点，后任节点就是比它大的数中的最小值，中序遍历的方式交给你了。获得后任节点前人也是总结了两种规则，和上面那两条其实是对称的。
代码其实和上面是大同小异， 照着找前任的代码对称修改就好了，相信你可以完成的。
删除节点
对于二叉搜索树删除节点，就比较复杂，因为我们在删除一个节点后，我们得确保二叉搜索树得结构不能改变，就是左小右大。虽然复杂，但是不要慌，前人也已经帮我们总结了四种情况以及相应的解决办法，所以实现起来只要按着前人的规定敲代码就好了。
我们需要一个parent变量来记录当前操作的节点父节点，这样才可以实现托孤。对于情况一二三我们都很好实现， 情况三是包含在情况一二里的，我手写了一个托孤方法，实现起来也是简单，因为很多地方需要用到，所以还是把它抽取成一个方法最好。
if (node.left == null) {
// 情况1
shift(parent, node, node.right);
} else if (node.right == null) {
// 情况2
shift(parent, node, node.left);
} else {
// 情况4
}
/**
* 托孤儿方法
* @param parent 待删除节点父亲
* @param deleted 待删除节点
* @param child 待删除节点的孩子
*/
private void shift(BSTNode parent, BSTNode deleted, BSTNode child) {
// 删除节点为根节点
if (parent == null) {
root = child;
} else if (deleted == parent.left) {
parent.left = child;
} else {
parent.right = child;
}
}对于情况四我们可以发现当我们既存在左子树又存在右子树时，我们就来到了，情况四，那么有右子树我们要找它的后继节点，其实也是很简单的，在它右子树上一直往左走就好了 ，由于要判断后继节点的父节点是不是待删除节点，所以我们在找后继节点时，我们就需要记录后继节点的父节点。
// 情况4
// 找到被删除节点的后继节点
BSTNode s = node.right;
BSTNode sParent = node; // 后继父亲
while (s.left != null) {
sParent = s;
s = s.left;
}因为我们在删除时是用后继节点来顶替被删除节点，所以我们删除之后还需要把后继节点的左右指针给调整好，赋值为待删除节点的左右指针。
// 后继节点即s
if (sParent != node) { // 不相邻
// 处理后继的后事
shift(sParent, s, s.right); // 后继不可能有左孩子，托孤右孩子
s.right = node.right;
}
// 后继取代被删除节点
shift(parent, node, s);
s.left = node.left;完整得代码如下，可以尝试多看几遍，把思路理清楚。
// 删除对应节点
public int delete(int key) {
// 找到待删除的节点
BSTNode node = root;
// 待删除节点的父节点
BSTNode parent = null;
while (node != null) {
if (key < node.key) {
parent = node;
node = node.left;
} else if (key > node.key) {
parent = node;
node = node.right;
} else {
break;
}
}
if (node == null)
return Integer.MIN_VALUE;
// 删除操作
// 情况1
if (node.left == null) {
shift(parent, node, node.right);
} else if (node.right == null) {
// 情况2
shift(parent, node, node.left);
} else {
// 情况4
// 找到被删除节点的后继节点
BSTNode s = node.right;
BSTNode sParent = node; // 后继父亲
while (s.left != null) {
sParent = s;
s = s.left;
}
// 后继节点即s
if (sParent != node) { // 不相邻
// 处理后继的后事
shift(sParent, s, s.right); // 后继不可能有左孩子，托孤右孩子
s.right = node.right;
}
// 后继取代被删除节点
shift(parent, node, s);
s.left = node.left;
}
return node.value;
}
/**
* 托孤方法
* @param parent 待删除节点父亲
* @param deleted 待删除节点
* @param child 待删除节点的孩子
*/
private void shift(BSTNode parent, BSTNode deleted, BSTNode child) {
// 删除节点为根节点
if (parent == null) {
root = child;
} else if (deleted == parent.left) {
parent.left = child;
} else {
parent.right = child;
}
}最后贴上递归实现，仅作了解。
public int delete2(int key) {
ArrayList<Integer> result = new ArrayList<>(); // 保存被删除节点的值
root = doDelete(root, key, result);
return result.isEmpty() ? Integer.MIN_VALUE : result.get(0);
}
private BSTNode doDelete(BSTNode node, int key, ArrayList<Integer> result) {
if (node == null) {
return null;
}
if (key < node.key) {
node.left = doDelete(node.left, key, result);
return node;
}
if (key > node.key) {
node.right = doDelete(node.right, key, result);
return node;
}
result.add(node.value);
// 情况一
if (node.left == null) {
return node.right;
}
// 情况二
if (node.right == null) {
return node.left;
}
// 情况四
BSTNode s = node.right;
while (s.left != null) {
s = s.left;
}
s.right = doDelete(node.right, s.key, new ArrayList<>());
s.left = node.left;
return null;
}最后给大家留下一个作业，看看自己能不能实现，就是给二叉搜索树添加一个范围查询，就是查找大于某个数的所有数或者小于某个数的所有数，或者位于某两个数中间的所有数，提示：可以用中序遍历。 可以尝试完成力扣938题，链接在下面相关题目中
相关题目
450. 删除二叉搜索树中的节点 - 力扣（LeetCode）
701. 二叉搜索树中的插入操作 - 力扣（LeetCode）
235. 二叉搜索树的最近公共祖先 - 力扣（LeetCode）
如果不是天才，就请一步一步来。
扫一扫
173
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
