二叉树（上）

扫码关注公众号，获取更多内容

目录

一、什么是树？

二、二叉树

三、二叉树的遍历

---

一、什么是树？

我们先看下图的例子，这些“树”都有什么特征？

“树”这种数据结构很像真实生活中的“树”，这里面每个元素我们叫做“节点”。

比如下面这幅图，A节点叫做B节点的父节点，B节点是A节点的子节点。B,、C、D这三个节点的父节点是同一个节点，它们之间互称为兄弟节点。没有父节点的节点叫做根节点，下图中E就是根节点。没有子节点的节点叫做叶子节点或者叶节点，比如下图中的G、H、I、J、K、L，他们都是叶子节点。

“树”还有三个比较相似的概念：高度（Height）、深度（Depth）、层（Level），他们的定义如下：

对于上图的理解可能不是那么的直观，我们来看下面的例子：

 

二、二叉树

树的结构多种多样，我们最常用的是二叉树。

二叉树每个节点最多有两个“叉”（两个子节点），分别是左子节点和右子节点。二叉树并不要求每个节点都有两个子节点，有的节点只有左子节点，有的节点只有右子节点。我们可以看一下下图所示的二叉树，加深理解：

上图中有两个比较特殊的二叉树，分别是编号2和编号3的这两个。

编号为2的二叉树，叶子节点全都在最底层，除了叶子节点之外，每个节点都有左右两个子节点，这样的二叉树叫做满二叉树。

编号为3的二叉树，叶子节点都在最底下两层，最后一层的叶子节点都靠左排列，除了最后一层，其他层的节点个数都达到最大，这种二叉树叫做完全二叉树。

满二叉树是很好理解与识别的，但完全二叉树的分辨就没那么简单了，我们查看下图：

如何表示（存储）一棵二叉树？

我们有两种办法来存储一棵二叉树，一种是基于指针或者引用的二叉链式存储法，另一种是基于数组的顺序存储法。

链式存储法如下图所示：

每个节点都有三个字段，其中一个存储数据，另外两个是指向左右子节点的指针。这种存储方式比较常用，大部分二叉树代码都是通过这种结构来实现的。

顺序存储法如下图所示：

我们把根节点存储在下标 i = 1 的位置，那左子节点存储在下标 2 * i = 2 的位置，右子节点存储在 2 * i + 1 = 3 的位置。以此类推，B 节点的左子节点存储在 2 * i = 2 * 2 = 4 的位置，右子节点存储在 2 * i + 1 = 2 * 2 + 1 = 5 的位置。

上面的例子是一个完全二叉树，所以仅仅是浪费了一个下标为0的存储位置，如果是非完全二叉树，会浪费更多的数组存储空间，看下面的例子：

所以，当是完全二叉树的时候，用数组存储是最节省内存的方式，用数组存储并不需要像链式存储法那样额外的存储左右子节点指针。

 

三、二叉树的遍历

二叉树有三种经典的遍历方法：前序遍历、中序遍历、后序遍历。

前序遍历：对于树中的任意节点来说，先打印这个节点，然后打印它的左子树，最后打印他的右子树（节点本身->左子树->右子树）（根、左、右）。

中序遍历：对于树中的任意节点来说，先打印他的左子树，然后再打印它本身，最后打印右子树（左子树->节点本身->右子树）（左、根、右）。

后序遍历：对于树中的任意节点来说，先打印左子树，然后打印它的右子树，最后打印这个节点本身（左子树->右子树->节点本身）（左、右、根）。

本质上，二叉树的前中后序遍历就是一个递归的过程，比如前序遍历，其实就是打印根节点，然后再递归地打印左子树，最后递归打印右子树。

我们可以写出如下的递归公式：

前序遍历的递推公式：
preOrder(r) = print r->preOrder(r->left)->preOrder(r->right)

中序遍历的递推公式：
inOrder(r) = inOrder(r->left)->print r->inOrder(r->right)

后序遍历的递推公式：
postOrder(r) = postOrder(r->left)->postOrder(r->right)->print r

我们用代码实现一下，还是很简单的：

const tree = {
    value: 1,
    left: {
        value: 2,
        left: {
            value: 4
        },
        right: {
            value: 5
        }
    },
    right: {
        value: 3,
        left: {
            value: 6
        },
        right: {
            value: 7
        }
    }
}


let arrDLR = []
// 前序遍历（根左右）
function DLR(obj) {
    arrDLR.push(obj.value)
    obj.left && DLR(obj.left)
    obj.right && DLR(obj.right)
}

let arrLDR = []
// 中序遍历（左根右）
function LDR(obj) {
    obj.left && LDR(obj.left)
    arrLDR.push(obj.value)
    obj.right && LDR(obj.right)
}

let arrLRD = []
// 后序遍历（左右根）
function LRD(obj) {
    obj.left && LRD(obj.left)
    obj.right && LRD(obj.right)
    arrLRD.push(obj.value)
}

DLR(tree)
console.log(arrDLR) //[ 1, 2, 4, 5, 3, 6, 7 ]

LDR(tree)
console.log(arrLDR) // [ 4, 2, 5, 1, 6, 3, 7 ]

LRD(tree)
console.log(arrLRD) // [ 4, 5, 2, 6, 7, 3, 1 ]

我们来分析下前中后序遍历的时间复杂度：

从顺序图中我们可以发现，每个节点做多被访问两次，所以遍历操作的时间复杂度与节点个数n成正比，所以二叉树遍历的时间复杂度是O(n)。