拜师教育第一阶段day7_python数据结构与算法

第七章  树

1.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；除了根节点外，每个子节点可以分为多个不。交的子树。

2.树的常用概念：

• 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，最大的节点的度称为树的度；
• 叶节点或终端节点：度为零的节点；
• 父亲节点或父节点：若一个节点含有子节点，则这个节点称为其子节点的父节点；
• 孩子节点或子节点：一个节点含有的子树的根节点称为该节点的子节点；
• 兄弟节点：具有相同父节点的节点互称为兄弟节点；
• 节点的层次：从根开始定义起，根为第1层，根的子节点为第2层，以此类推；
• 树的高度或深度：树中节点的最大层次；
• 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任一节点都称为该节点的子孙。
• 森林：由m（m>=0）棵互不相交的树的集合称为森林。

3.树的分类：

• 无序树：树中任意节点的子节点之间没有顺序关系，这种树称为无序树，也称为自由树；
• 有序树：树中任意节点的子节点之间有顺序关系，这种树称为有序树；
  • 二叉树：每个节点最多含有两个子树的树称为二叉树；二叉树的子树通常被称作“左子树”（left subtree）和“右子树”（right subtree）。
    • 完全二叉树：对于一颗二叉树，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最大值，且第d层所有节点从左向右连续地紧密排列，这样的二叉树被称为完全二叉树，其中满二叉树的定义是所有叶节点都在最底层的完全二叉树;
    • 平衡二叉树（AVL树）：当且仅当任何节点的两棵子树的高度差不大于1的二叉树；
    • 排序二叉树（二叉查找树（英语：Binary Search Tree），也称二叉搜索树、有序二叉树）。

4.树一般采用链表存储，顺序表虽然遍历方便，但整体内存要求连续，所占空间较大，所以一般不采用。

5.二叉树的性质：

性质1: 在二叉树的第i层上至多有2^(i-1)个结点（i>0）
性质2: 深度为k的二叉树至多有2^k - 1个结点（k>0）
性质3: 对于任意一棵二叉树，如果其叶结点数为N0，而度数为2的结点总数为N2，则N0=N2+1;
性质4:具有n个结点的完全二叉树的深度必为 log2(n+1)
性质5:对完全二叉树，若从上至下、从左至右编号，则编号为i 的结点，其左孩子编号必为2i，其右孩子编号必为2i＋1；其双亲的编号必为i/2（i＝1 时为根,除外）。

6.二叉树的结点与树的构建以及四类遍历方法：

# -*- coding:utf-8 -*-
class Node():
    def __init__(self,elem):
        self.elem=elem
        self.lchild=None
        self.rchild=None
class Tree():
    def __init__(self,node=None):
        self.__root=node
    def add(self,elem):
        node=Node(elem)
        if self.__root==None:
            self.__root=node
        else:
            queue=[self.__root]
            while queue!=[]:
                cur=queue.pop(0)
                if cur.lchild==None:
                    cur.lchild=node
                elif cur.rchild==None:
                    cur.rchild=node
                else:
                    queue.append(cur.lchild)
                    queue.append(cur.rchild)
    def preorder(self,root):
        cur=root
        if root==None:
            return
        else:
            print(cur.elem,end=' ')
            self.preorder(cur.lchild)
            self.preorder(cur.rchild)
    def inorder(self,root):
        cur=root
        if root==None:
            return
        else:
            self.inorder(cur.lchild)
            print(cur.elem,end=' ')
            self.inorder(cur.rchild)
    def houorder(self,root):
        cur=root
        if root==None:
            return
        else:
            self.houorder(cur.lchild)
            self.houorder(cur.rchild)
            print(cur.elem, end=' ')
    def breadth_travel(self, root):
        """利用队列实现树的层次遍历"""
        if root == None:
            return
        queue = []
        queue.append(root)
        while queue:
            node = queue.pop(0)
            print node.elem,
            if node.lchild != None:
                queue.append(node.lchild)
            if node.rchild != None:
                queue.append(node.rchild)

二叉树的遍历方法：树的遍历是树的一种重要的运算。所谓遍历是指对树中所有结点的信息的访问，即依次对树中每个结点访问一次且仅访问一次，我们把这种对所有节点的访问称为遍历（traversal）。那么树的两种重要的遍历模式是深度优先遍历和广度优先遍历,深度优先（纵向）一般用递归，广度（横向）优先一般用队列。一般情况下能用递归实现的算法大部分也能用堆栈来实现。

深度优先遍历：先序遍历 （根节点->左子树->右子树）；中序遍历（左子树->根节点->右子树）；后序遍历（左子树->右子树->根节点）。这里的先中后是对根节点而言的。

广度优先遍历：从树的root开始，从上到下从从左到右遍历整个树的节点。

7.如何根据遍历的结果写出二叉树？

要想绘制出二叉树的具体节点分布情况，就一定要有中序遍历的结果，因为只有中序遍历可以将左右子树的节点分隔开。例如上图：

如若给出先序和中序遍历的结果：