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 l o g 2 ( n + 1 ) log_2(n+1) log2(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 = ' ')