数据结构与算法（python版）（十五）——树

数据结构–树

1、树的概念

树是一种抽象数据类型（ADT）或是实作这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。它由n（n>=1）个有限节点组成一个具有层次关系的集合。树的特点：

• 每个节点有零个或多个子节点
• 没有父节点的节点称为根节点
• 每一个非根节点有且只有一个父节点
• 除根节点外，每个子节点可以分为多个不相交的子树

1.1 树的术语

• 节点的度：一个节点含有的子树的个数称为该节点的度
• 树的度：一棵树中，最大的节点的度
• 叶节点或终端节点：度为零的节点
• 父节点：含有子节点的节点
• 子节点：一个节点含有的子树的根节点
• 兄弟节点：具有相同父节点的节点
• 节点的层次：从根开始定义，根为第一层，根的子节点为第二层，依次类推
• 树的高度或深度：树的节点的最大层次
• 堂兄弟节点：父节点在同一层的节点互为堂兄弟节点
• 节点的祖先：从根到该节点所经分支上的所有节点
• 子孙：以某节点为根的子树中所有节点
• 森林：由m（m>=0）棵互不相交的树的集合
  

1.2 树的种类

无序树：树中任意节点的子节点之间没有顺序关系，也称为自由树

有序树：任意节点的子节点之间有顺序关系

二叉树：每个节点最多含有两个子树的树

• 完全二叉树：对于一棵二叉树，假设其深度为d（d>1），除了第d层外，其它各层的节点数目均已达到最大值，且第d层所有节点从左向右连续紧密排列，满二叉树是所有叶节点都在最底层的完全二叉树
• 平衡二叉树（AVL）：当且仅当任何节点的两棵子树的高度不大于1的二叉树
• 排序二叉树（二叉查找树）：Binary Search Tree

霍夫曼数：用于信息编码，带权路径最短的二叉树

B树：一种对读写操作进行优化的自平衡的二叉查找树，能够保持数据有序，用于多余两个子树

1.3 树的存储与表示

顺序存储

将数据结构存储在固定的数组中，虽然在遍历速度上有一定优势，但因所占空间比较大，是非主流二叉树

链式存储

1.4 树的常见应用场景

• xml，html等
• 路由器协议
• mysql数据库索引
• 文件系统的目录结构

2、二叉树

每个节点最多有两个子树的树结构，通常子树被称作“左子树”和“右子树”

2.1 二叉树的性质

• 性质1：在二叉树的第i层上至多有2^(i-1)个节点（i>0）
• 性质2：深度为k的二叉树至多有2^k-1个节点（k>0）
• 性质3：对于任意一棵二叉树，如果其叶节点数为N0，而度数为2的节点总数为N2，则N0=N2+1
• 性质4：具有n个节点的完全二叉树的深度必为$lo{g}_2(n+1)$
• 性质5：对完全二叉树，若从上至下，从左往右编号，则编号为i的节点，其左子编号必为2i，其右子编号必为2i+1；其父编号必为i/2（i=1时为根除外）

2.2 二叉树的实现

创建树和节点

#创建树的节点
class Node(object):
    def __init__(self, item):
        self.elem = item     #节点要保存数据
        self.lchild = None  #左后继节点
        self.rchild = None  #右后继节点

#创建树
class Tree(object):
    #二叉树
    def __init__(self):
        #树根节点
        self.root = None

添加节点

 def add(self, item):
        #添加数据，从末尾添加
        #队列形式，每次弹出树的根（首元素），遍历后添加其子节点
        
        #首先将item构造成一个节点
        node = Node(item)
        #创建一个队列，并把根节点添加进去
        queue = [self.root]
        
        #若本身就是一个空树
        if self.root is None:
            self.root = node
            return
        #非空树情况
        while queue:
            #从队列中读取出一个节点(首元素)
            cur_node = queue.pop(0)
            if cur_node.lchild is None:
                #判断当前节点的左子节点是否为空，若为空，则就将新节点挂上去
                cur_node.lchild = node
                return
            else:
                #若左子节点不为空则添加进队列queue
                queue.append(cur_node.lchild)
            if cur_node.rchild is None:
                 #判断当前节点的右子节点是否为空，若为空，则就将新节点挂上去
                cur_node.rchild = node
                return
            else:
                #若右子节点不为空则也添加进队列queue
                queue.append(cur_node.rchild)
            #此循环结束时，一个根节点及其左右子节点判断完毕，下一循环判断新添加进队列的其子节点

广度遍历

从树root开始，从上到下，从左到右遍历整个树的节点

  def breadth_travel(self):
        #广度遍历
        queue = [self.root]
        if self.root == None:
            return
        
        while queue:
            cur_node = queue.pop(0)
            #取出一个节点开始遍历
            #先打印
            print(cur_node.elem)
            if cur_node.lchild is not None:
                queue.append(cur_node.lchild)
            if cur_node.rchild is not None:
                queue.append(cur_node.rchild)
            #取出（弹出）根节点，打印根节点，添加左右子节点，依次循环
            

先序遍历

先访问根节点，然后递归使用先序遍历访问左子树，再递归使用先序遍历访问右子树
根节点—左子树—右子树

 def preorder(self, node):
        if node is None:
            return
        print(node.elem, end = ' ')
        self.preorder(node.lchild)
        self.preorder(node.rchild)

中序遍历

递归使用中序访问左子树，然后访问根节点，最后递归使用中序遍历访问右子树
左子树—根节点—右子树

def inorder(self, node):
        if node is None:
            return
        self.inorder(node.lchild)
        print(node.elem, end = ' ')
        self.inorder(node.rchild)

后序遍历

先递归使用后序遍历访问左子树和右子树，最后访问根节点
左子树—右子树—根节点

 def postorder(self, node):
        if node is None:
            return
        self.postorder(node.lchild)
        self.postorder(node.rchild)
        print(node.elem, end = ' ')