2024年最新数据结构--二叉树_#include 二叉树(1)，面试大数据开发系统架构

最新推荐文章于 2024-07-11 15:49:26 发布

2401_84182758

最新推荐文章于 2024-07-11 15:49:26 发布

阅读量995

点赞数 24

分类专栏：程序员文章标签：数据结构面试大数据

本文链接：https://blog.csdn.net/2401_84182758/article/details/138475971

版权

程序员专栏收录该内容

126 篇文章 1 订阅

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

typedef int BTDataType;

// 二叉链

struct BinaryTreeNode

{

struct BinTreeNode* _pLeft; // 指向当前节点左孩子

struct BinTreeNode* _pRight ; // 指向当前节点右孩子

BTDataType _data ; // 当前节点值域

}

// 三叉链

struct BinaryTreeNode

{ struct BinTreeNode* _pParent ; // 指向当前节点的双亲

struct BinTreeNode* _pLeft; // 指向当前节点左孩子

struct BinTreeNode* _pRight ; // 指向当前节点右孩子

BTDataType _data ; // 当前节点值域

}；

二叉树的顺序结构及实现

二叉树的顺序结构

普通的二叉树是不适合用数组来存储的，因为可能会存在大量的空间浪费。而完全二叉树更适合使用顺序结构存储。现实中我们通常把堆(一种二叉树)使用顺序结构的数组来存储，需要注意的是这里的堆和操作系统虚拟进程地址空间中的堆是两回事，一个是数据结构，一个是操作系统中管理内存的一块区域分段。

堆的概念及结构

如果有一个关键码的集合K = { ，，，…， }，把它的所有元素按完全二叉树的顺序存储方式存储在一个一维数组中，并满足：且 = 且 >= ) i = 0， 1，2…，则称为小堆(或大堆)。将根节点最大的堆叫做最大堆或大根堆，根节点最小的堆叫做最小堆或小根堆。

堆的性质：

堆中某个节点的值总是不大于或不小于其父节点的值；

堆总是一棵完全二叉树。

堆的实现

堆向下调整算法

现在我们给出一个数组，逻辑上看做一颗完全二叉树。我们通过从根节点开始的向下调整算法可以把它调整成一个小堆。向下调整算法有一个前提：左右子树必须是一个堆，才能调整。

int array [ ] = {2,9, 7, 8, 5, 0, 1,6, 2, 4, 3} ; //删除9

堆的创建

下面我们给出一个数组，这个数组逻辑上可以看做一颗完全二叉树，但是还不是一个堆，现在我们通过算法，把它构建成一个堆。根节点左右子树不是堆，我们怎么调整呢？这里我们从倒数的第一个非叶子节点的子树开始调整，一直调整到根节点的树，就可以调整成堆。

向上调整构建堆：

int a [ ] = {1, 5, 3, 8, 7, 6} ; //插入排序

向下调整建堆：

int a [ ] = {6,8,1,9,3,0,7,2,4,5} ;

堆的插入

先插入一个1 0到数组的尾上，再进行向上调整算法，直到满足堆。

int a [ ] = { 8, 7, 6,5,1,3} ; //插入9

堆的删除

删除堆是删除堆顶的数据，将堆顶的数据根最后一个数据一换，然后删除数组最后一个数据，再进行向下调整算法。

int array [ ] = {9, 8, 7, 6,5, 0, 1, 2, 4, 3} ;

建堆时间复杂度（向下与向上调整构建对比）

因为堆是完全二叉树，而满二叉树也是完全二叉树，此处为了简化使用满二叉树来证明(时间复杂度本来看的就是近似值，多几个节点不影响最终结果)：

调整次数=每一层节点数*这一层节点最坏向下调整次数

如果是向上调整的话时间复杂就会交大：

堆的代码实现

这里是用数组实现二叉树的堆，物理结构与逻辑结构是不同的，所以实现代码的时候我们将数组已划分成二叉树数形式来进行逻辑上编写。

例如：int array [ ] = {2,9, 7, 8, 5, 0, 1,6, 2, 4, 3}

Heap.h

#include <stdio.h>
#include <stdlib.h>
#include <assert.h>
#include <stdbool.h>

typedef int HPDataType;
typedef struct Heap
{
	HPDataType* _a;
	int _size;
	int _capacity;
}Heap;

// 堆的构建
void HeapCreate(Heap* hp, HPDataType* a, int n);
// 堆的销毁
void HeapDestory(Heap* hp);
// 堆的插入
void HeapPush(Heap* hp, HPDataType x);
// 堆的删除
void HeapPop(Heap* hp);
// 取堆顶的数据
HPDataType HeapTop(Heap* hp);
// 堆的数据个数
int HeapSize(Heap* hp);
// 堆的判空
bool HeapEmpty(Heap* hp);

// TopK问题：找出N个数里面最大/最小的前K个问题。
// 比如：未央区排名前10的泡馍，西安交通大学王者荣耀排名前10的韩信，全国排名前10的李白。等等问题都是Topk问题，
// 需要注意：
// 找最大的前K个，建立K个数的小堆
// 找最小的前K个，建立K个数的大堆
void PrintTopK(int* a, int n, int k);
void TestTopk();

//打印堆
void HeapPrint(Heap* hp);

Heap.c

#include "Heap.h"

// 堆的构建
void HeapCreate(Heap* hp, HPDataType* a, int n)
{
	assert(hp);
	assert(a);
	hp->_a = NULL;
	hp->_capacity = hp->_size=0;
	for (int i = 0; i < n; i++)
	{
		HeapPush(hp, a[i]);
	}

}

//堆的销毁
void HeapDestory(Heap* hp)
{
	assert(hp);
	free(hp->_a);
	hp->_a = NULL;
	
	hp->_capacity = hp->_size =0;
}

//交换
void swap(HPDataType* p, HPDataType* c)
{
	HPDataType temp = *p;
	*p = *c;
	*c = temp;
}

//向上调整
void AdjustUp(HPDataType* a, HPDataType child)
{
	assert(a);
	HPDataType parent = (child - 1) / 2;
	while (child > 0)
	{
		if (a[parent] > a[child])
		{
			swap(&a[parent], &a[child]);
			child=parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
	
}

// 堆的插入
void HeapPush(Heap* hp, HPDataType x)
{
	assert(hp);
	if (hp->_capacity == hp->_size)
	{
		HPDataType NewCapacity = hp->_capacity == 0 ? 4 : 2*hp->_capacity;
		HPDataType* tem = (HPDataType*)realloc(hp->_a, sizeof(HPDataType)*NewCapacity);
		if (tem == NULL)
		{
			perror("realloc fail");
			exit(-1);
		}
		hp->_a = tem;
		hp->_capacity = NewCapacity;
	}
	hp->_a[hp->_size++] = x;
	
	AdjustUp(hp->_a, hp->_size - 1);
}

//打印堆
void HeapPrint(Heap* hp)
{
	for (int i = 0; i < hp->_size; ++i)
	{
		printf("%d ", hp->_a[i]);
	}
	printf("\n");
}


//向下调整
void AdjustDown(HPDataType* a, HPDataType n, HPDataType parent)
{
	assert(a);
	HPDataType minchild = 2*parent+1;
	while (minchild < n)
	{
		if (minchild + 1 < n&&a[minchild + 1]<a[minchild])
		{
			minchild++;
		}

		if (a[parent]>a[minchild])
		{
			swap(&a[parent], &a[minchild]);
			parent = minchild;
			minchild = 2 * parent + 1;
		}
		else
			break;
	}
	
}
// 堆的删除
void HeapPop(Heap* hp)
{
	assert(hp);
	assert(!HeapEmpty(hp));

	swap(&hp->_a[0], &hp->_a[hp->_size-1]);
	hp->_size--;

	AdjustDown(hp->_a, hp->_size, 0);
}

// 堆的判空
bool HeapEmpty(Heap* hp)
{
	assert(hp);

	return  hp->_size==0;
}

// 取堆顶的数据
HPDataType HeapTop(Heap* hp)
{
	assert(hp);
	assert(!HeapEmpty(hp));

	return hp->_a[0];
}

// 堆的数据个数
int HeapSize(Heap* hp)
{
	assert(hp);
	assert(!HeapEmpty(hp));

	return hp->_size;
}

Test.c

#define _CRT_SECURE_NO_WARNINGS
#include "Heap.h"

//测试
void testHeap()
{
	HPDataType a[4] = { 1, 5, 7, 8 };
	Heap hp;
	HeapCreate(&hp,a, 4);
	HeapPush(&hp,15);
	HeapPush(&hp, 17);
	HeapPrint(&hp);
	HeapPop(&hp);
	HeapPrint(&hp);
}

int main()
{
	testHeap();

	return 0;
}

堆的应用

排序

通过上面对向上调整和向下调整的时间复杂度进行对比，我们发现向下调整是更加节省时间，我们选择使用向下调整建堆。那么在升序或者降序的时候我们该选择建大堆还是建小堆呢？

当我们以为用小根堆然后进行对它排序会更加节约时间，实际上我们发现是走不通的。所以我们应该换种思路：

建堆

升序：建大堆降序：建小堆

利用堆删除思想来进行排序：

建堆和堆删除中都用到了向下调整，因此掌握了向下调整，就可以完成堆排序。

实现代码

#define _CRT_SECURE_NO_WARNINGS
#include <stdio.h>
#include <assert.h>

void swap(int* p, int* c)
{
	int temp = *p;
	*p = *c;
	*c = temp;
}
void AdjustUp(int* a, int child)
{
	assert(a);
	int parent = (child - 1) / 2;
	while (child>0)
	{
		if (a[child] < a[parent])
		{
			swap(&a[child], &a[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}
void AdjustDown(int* a, int n, int parent)
{
	assert(a);
	int minchild = 2*parent+1;
	while (minchild  < n)
	{
		if (minchild + 1 < n && a[minchild] > a[minchild + 1])
		{
			minchild++;
		}
		if (a[minchild] < a[parent])
		{ 
			swap(&a[minchild], &a[parent]);
			parent = minchild;
			minchild = 2 * parent + 1;
		}
		else
			break;
	}

}

// 对数组进行堆排序
void HeapSort(int* a, int n)
{
	向上建小根堆
	//for (int i = 0; i <n; i++)
	//{ 
	//	AdjustUp(a, n-1);
	//}

	//向下建立小根堆
	for (int i = (n - 1-1) / 2; i >=0 ; i--)
	{
		AdjustDown(a, n,i);
	}

	//如何选次小
	//升序  --建大堆  第一个与最后一个交换  把最后一个不看成堆里的 向下调整 
	//降序  --建小堆
	int i = 1;
	while (i < n)
	{
		swap(&a[0], &a[n-i]);
		AdjustDown(a, n-i, 0);
		i++;
	}

}


int main()
{
	int arr[] = { 1, 51, 31, 4, 8, 6, 78,14,16,78 };
	HeapSort(arr,sizeof(arr)/sizeof(int));

	int len = sizeof(arr) / sizeof(int);
	for (int i = 0; i < len; i++)
	{
		printf("%d ", arr[i]);
	}

	return 0;
}

演示结果：

TOP-K问题

TOP-K问题：即求数据结合中前K个最大的元素或者最小的元素，一般情况下数据量都比较大。

比如：专业前1 0名、世界500强、富豪榜、游戏中前1 00的活跃玩家等。

对于Top-K问题，能想到的最简单直接的方式就是排序，但是：如果数据量非常大，排序就不太可取了(可能数据都不能一下子全部加载到内存中)。

最佳的方式就是用堆来解决，基本思路如下：

1 . 用数据集合中前K个元素来建堆前k个最大的元素，则建小堆前k个最小的元素，则建大堆

用剩余的N-K个元素依次与堆顶元素来比较，不满足则替换堆顶元素将剩余N-K个元素依次与堆顶元素比完之后，堆中剩余的K个元素就是所求的前K个最小或者最大的元素

实现代码

#define _CRT_SECURE_NO_WARNINGS
#define _CRT_SECURE_NO_WARNINGS
#include <stdio.h>
#include <assert.h>
#include <stdlib.h>

void swap(int* p, int* c)
{
	int temp = *p;
	*p = *c;
	*c = temp;
}
void AdjustUp(int* a, int child)
{
	assert(a);
	int parent = (child - 1) / 2;
	while (child>0)
	{
		if (a[child] < a[parent])
		{
			swap(&a[child], &a[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}
void AdjustDown(int* a, int n, int parent)
{
	assert(a);
	int minchild = 2 * parent + 1;
	while (minchild  < n)
	{
		if (minchild + 1 < n&&a[minchild] > a[minchild + 1])
		{
			minchild++;
		}
		if (a[minchild] < a[parent])
		{
			swap(&a[minchild], &a[parent]);
			parent = minchild;
			minchild = 2 * parent + 1;
		}
		else
			break;
	}

}

// 对数组进行堆排序
void HeapSort(int* a, int n)
{
	向上建小根堆
	//for (int i = 0; i <n; i++)
	//{ 
	//	AdjustUp(a, n-1);
	//}

	//向下建立小根堆
	for (int i = (n - 1 - 1) / 2; i >= 0; i--)
	{
		AdjustDown(a, n, i);
	}

	//如何选次小
	//升序  --建大堆  第一个与最后一个交换  把最后一个不看成堆里的 向下调整 
	//降序  --建小堆
	int i = 1;
	while (i < n)
	{
		swap(&a[0], &a[n - i]);
		AdjustDown(a, n - i, 0);
		i++;
	}

}

void KOP_K(int* a, int n,int k)
{
	//新建一个堆
	int* heap = (int*)malloc(sizeof(int)*k);
	if (heap == NULL)
	{
		perror("malloc fail");
		exit(-1);
	}

	//
	for (int i = 0; i <k; i++)
	{ 
		heap[i] = a[i];
	}
	
	for (int i = k; i < n; i++)
	{
		if (a[i]>heap[0])
		{
			heap[0] = a[i];
			AdjustDown(heap, k, 0);
		}
	}
	
	for (int i = 0; i < k; ++i)
	{
		printf("%d ", heap[i]);
	}

	free(heap);
	heap = NULL;
}

int main()
{
	int arr[] = { 1, 51, 31, 4, 8, 6, 78, 14, 16, 78 };
	int len = sizeof(arr) / sizeof(int);
	HeapSort(arr,len );

	int k = 3;
	KOP_K(arr,len,k);

	return 0;
}

演示结果：

二叉树链式结构的实现

前置说明

在学习二叉树的基本操作前，需先要创建一棵二叉树，然后才能学习其相关的基本操作。由于现在大家对二叉树结构掌握还不够深入，为了降低大家学习成本，此处手动快速创建一棵简单的二叉树，快速进入二叉树操作学习，等二叉树结构了解的差不多时，我们反过头再来研究二叉树真正的创建方式。

BTNode* CreateTree()
{
	BTNode* n1 = (BTNode*)malloc(sizeof(BTNode));
	assert(n1);
	BTNode* n2 = (BTNode*)malloc(sizeof(BTNode));
	assert(n2);
	BTNode* n3 = (BTNode*)malloc(sizeof(BTNode));
	assert(n3);
	BTNode* n4 = (BTNode*)malloc(sizeof(BTNode));
	assert(n4);
	BTNode* n5 = (BTNode*)malloc(sizeof(BTNode));
	assert(n5);
	BTNode* n6 = (BTNode*)malloc(sizeof(BTNode));
	assert(n6);
	BTNode* n7 = (BTNode*)malloc(sizeof(BTNode));
	assert(n7);

	n1->_data = 1;
	n2->_data = 2;
	n3->_data = 3;
	n4->_data = 4;
	n5->_data = 5;
	n6->_data = 6;
	n7->_data = 7;

	n1->_left = n2;
	n1->_right = n4;
	n2->_left = n3;
	n2->_right = NULL;
	n4->_left = n5;
	n4->_right = n6;
	n3->_left = NULL;
	n3->_right = NULL;
	n5->_left = NULL;
	n5->_right = NULL;
	n6->_left = NULL;
	n6->_right = NULL;

	n3->_right = n7;
	n7->_left = NULL;
	n7->_right = NULL;

	return n1;
}

二叉树的遍历

学习二叉树结构，最简单的方式就是遍历。所谓二叉树遍历(Traversal)是按照某种特定的规则，依次对二叉树中的节点进行相应的操作，并且每个节点只操作一次。访问结点所做的操作依赖于具体的应用问题。遍历是二叉树上最重要的运算之一，也是二叉树上进行其它运算的基础。

前序遍历(Preorder Traversal 亦称先序遍历)——访问根结点的操作发生在遍历其左右子树之前。

中序遍历(Inorder Traversal)——访问根结点的操作发生在遍历其左右子树之中（间）。

后序遍历(Postorder Traversal)——访问根结点的操作发生在遍历其左右子树之后。

由于被访问的结点必是某子树的根，所以N(Node）、 L(Left subtree）和R(Right subtree）又可解释为根、根的左子树和根的右子树。 NLR、 LNR和LRN分别又称为先根遍历、中根遍历和后根遍历。

// 二叉树前序遍历

void PreOrder( BTNode* root ) ;

// 二叉树中序遍历

void InOrder( BTNode* root ) ;

// 二叉树后序遍历

void PostOrder( BTNode* root ) ;

前序遍历递归图解：

层序遍历

层序遍历最主要的通过队列(先进先出)的方式进行遍历，通过上一层的节点出的时候带入下一层节点。

// 层序遍历

void LevelOrder( BTNode* root ) ;

判断二叉树是否是完全二叉树

这里我们还是通过层序遍历进行判断，通过一层一层的走，遇到空之后，后续层序不能有非空，如果有非空就不是完全二叉树。

错误展示：

正确展示：

// 判断二叉树是否是完全二叉树

int BinaryTreeComplete(BTNode* root)

二叉树代码实现

实现层序遍历会用到队列的实现，这里就不用写出来了，如果自己需要就大家就可以看一下数据结构–栈，队列。

BinaryTree.h

#include <stdio.h>
#include <assert.h>
#include <stdlib.h>

typedef int BTDataType;
typedef struct BinaryTreeNode
{
	BTDataType _data;
	struct BinaryTreeNode* _left;
	struct BinaryTreeNode* _right;
}BTNode;

// 通过前序遍历的数组"ABD##E#H##CF##G##"构建二叉树
BTNode* BinaryTreeCreate(BTDataType* a, int n, int* pi);
// 二叉树销毁
void BinaryTreeDestory(BTNode* root);
// 二叉树节点个数
int BinaryTreeSize(BTNode* root);
// 二叉树叶子节点个数
int BinaryTreeLeafSize(BTNode* root);
// 二叉树第k层节点个数
int BinaryTreeLevelKSize(BTNode* root, int k);
// 二叉树查找值为x的节点
BTNode* BinaryTreeFind(BTNode* root, BTDataType x);
// 二叉树前序遍历 
void BinaryTreePrevOrder(BTNode* root);
// 二叉树中序遍历
void BinaryTreeInOrder(BTNode* root);
// 二叉树后序遍历
void BinaryTreePostOrder(BTNode* root);
// 层序遍历
void BinaryTreeLevelOrder(BTNode* root);
// 判断二叉树是否是完全二叉树
int BinaryTreeComplete(BTNode* root);

BinaryTree.c

#define _CRT_SECURE_NO_WARNINGS
#include "BinaryTree.h"
#include "Queue.h"

// 通过前序遍历的数组"ABD##E#H##CF##G##"构建二叉树
BTNode* BinaryTreeCreate(BTDataType* a, int n, int* pi)
{
	BTNode* tem = (BTNode*)malloc(sizeof(BTNode));
	if (a==NULL)
		return NULL;	

	if (a[*pi] == "#" || n >= *pi)
	{
		(*pi)++;
		return NULL;
	}
	tem->_data = a[*pi];
	(*pi)++;
	tem->_left = BinaryTreeCreate(a, n, pi);
	tem->_right = BinaryTreeCreate(a, n, pi);
	
	return tem;
}

// 二叉树前序遍历 
void BinaryTreePrevOrder(BTNode* root)
{
	if (root == NULL)
	{
		printf("NULL ");
		return;
	}
	printf("%d ", root->_data);
	BinaryTreePrevOrder(root->_left);
	BinaryTreePrevOrder(root->_right);

}

// 二叉树中序遍历
void BinaryTreeInOrder(BTNode* root)
{

	if (root == NULL)
	{
		printf("NULL ");
		return;
	}
	BinaryTreePrevOrder(root->_left);
	printf("%d ", root->_data);
	BinaryTreePrevOrder(root->_right);
}

// 二叉树后序遍历
void BinaryTreePostOrder(BTNode* root)
{

	if (root == NULL)
	{
		printf("NULL ");
		return;
	}
	BinaryTreePrevOrder(root->_left);
	BinaryTreePrevOrder(root->_right);
	printf("%d ", root->_data);
}

// 二叉树节点个数
int BinaryTreeSize(BTNode* root)
{
	if (root == NULL)
		return 0;


![img](https://img-blog.csdnimg.cn/img_convert/3475469db1d92bc7f8e20c23cf932c30.png)
![img](https://img-blog.csdnimg.cn/img_convert/b8dd20df76bfa6572192f5a68cacffb9.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

 BinaryTreePrevOrder(BTNode* root)
{
	if (root == NULL)
	{
		printf("NULL ");
		return;
	}
	printf("%d ", root->_data);
	BinaryTreePrevOrder(root->_left);
	BinaryTreePrevOrder(root->_right);

}

// 二叉树中序遍历
void BinaryTreeInOrder(BTNode* root)
{

	if (root == NULL)
	{
		printf("NULL ");
		return;
	}
	BinaryTreePrevOrder(root->_left);
	printf("%d ", root->_data);
	BinaryTreePrevOrder(root->_right);
}

// 二叉树后序遍历
void BinaryTreePostOrder(BTNode* root)
{

	if (root == NULL)
	{
		printf("NULL ");
		return;
	}
	BinaryTreePrevOrder(root->_left);
	BinaryTreePrevOrder(root->_right);
	printf("%d ", root->_data);
}

// 二叉树节点个数
int BinaryTreeSize(BTNode* root)
{
	if (root == NULL)
		return 0;


[外链图片转存中...(img-jSHMohUP-1714919974990)]
[外链图片转存中...(img-UOaXnn58-1714919974990)]

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

2401_84182758

关注

24
点赞
踩
22

收藏

觉得还不错? 一键收藏
2
评论
2024年最新数据结构--二叉树_#include 二叉树(1)，面试大数据开发系统架构

/ 二叉链// 指向当前节点左孩子// 指向当前节点右孩子// 当前节点值域// 三叉链// 指向当前节点的双亲// 指向当前节点左孩子// 指向当前节点右孩子// 当前节点值域。
复制链接

扫一扫