二叉排序树删除并插入某结点是否与原树相同？（简答）

最新推荐文章于 2022-11-20 19:58:31 发布
最新推荐文章于 2022-11-20 19:58:31 发布
阅读量3.5k 收藏 6
点赞数 7
分类专栏： 数据结构笔记 文章标签： 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/black_procedure/article/details/109130193
版权

二叉排序树删除并插入某结点是否与原树相同？

答：二叉排序树删除并插入某结点，得到的二叉排序树与原来有可能相同，也可能不同。

解释：排序二叉树可以删除树中任意结点，但插入的新结点一定是某个叶结点。所以删除并插入某结点的二叉排序树可能与原树相同，也可能不同。

一北_
关注
  • 7
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
陈越、何钦铭-数据结构作业8：二叉搜索树的操作集
03-28
函数Insert将X插入二叉搜索树BST并返回结果树的根结点指针； 函数Delete将X从二叉搜索树BST中删除，并返回结果树的根结点指针；如果X不在树中，则打印一行Not Found并返回原树的根结点指针； 函数Find在二叉搜索树BST中找到X，返回该结点的指针；如果找不到则返回空指针； 函数FindMin返回二叉搜索树BST中最小元结点的指针； 函数FindMax返回二叉搜索树BST中最大元结点的指针。
数据结构基础 二叉树与二叉搜索树
m0_51424656的博客
01-13 803
1-3 在任意一棵非空二叉排序树中，删除某结点后又将其插入，则所得二排序叉树与原二排序叉树相同 F 可能删的不是叶节点 1-11 二叉搜索树T的最小元素有可能不位于树根的左子树。 T 可能没有左子树，最小值就是根 2-9 The time complexity of traversing（遍历） a binary tree with N nodes and height H in levelorder (with the help of with an auxiliary queue)
LeetCode_No.538_-
03-30
LeetCode_No.538_-把二叉搜索树转换为累加树 译文介绍 给出二叉 搜索 树的根节点，该树的节点值各不相同，请你将其转换为累加树（Greater Sum Tree），使每个节点 node 的新值等于原树中大于或等于 node.val 的值之和。 提醒一下，二叉搜索树满足下列约束条件： 节点的左子树仅包含键 小于 节点键的节点。 节点的右子树仅包含键 大于 节点键的节点。 左右子树也必须是二叉搜索树。 注意：本题和1038： //leetcode-cn.com/problems/binary-search-tree-to-greater-sum-tree/相同 示例1： 输入：[4,1,6,0,2,5,7,null,null,null,3,null,null,null,8] 输出：[30,36,21,36,35,26,15,null,null,null,33,null,null
leetcode答案-go-algo:去
06-30
leetcode 答案 go-algo go 二叉树 105. 从前序与中序遍历序列构造二叉树 根据一棵树的前序遍历与中序遍历构造二叉树。 注意: 你可以假设树中没有重复的元素。 例如，给出 前序遍历 preorder = [3,9,20,15,7] 中序遍历 inorder = [9,3,15,20,7] 返回如下的二叉树： 3 / \ 9 20 / \ 15 7 106. 从中序与后序遍历序列构造二叉树 根据一棵树的中序遍历与后序遍历构造二叉树。 注意: 你可以假设树中没有重复的元素。 例如，给出 中序遍历 inorder = [9,3,15,20,7] 后序遍历 postorder = [9,15,7,20,3] 返回如下的二叉树： 3 / \ 9 20 / \ 15 7 538. 把二叉搜索树转换为累加树 给出二叉 搜索 树的根节点，该树的节点值各不相同，请你将其转换为累加树（Greater Sum Tree），使每个节点 node 的新值等于原树中大于或等于 node.val 的值之和。 提醒一下，二叉搜索树满足下列约束条件： 节点的左子树仅包含键 小于 节点键的节点。 节点
psd文件保留原树节点和位置信息导入unity插件
10-29
该插件资源只能用于学习不得商用
二叉查找树----节点的插入与删除
A_D_I_D_A_S的博客
02-18 739
在学习二叉查找树的时候，难免要对节点进行插入与删除操作，其中插入操作比较简单一点，而删除操作就有点麻烦了。下文主要详细分析二叉查找树的插入与删除操作。 一：插入节点 由于二叉查找树是一种特殊的二叉树，左节点的值 < 中间节点的值 < 右节点的值，也就是说二叉查找树中不允许存在相同的值。所以我们在插入节点的时候，首先要判断一下树中是否已经存在这个节点了，如果存在，不允许插入；否则，可以...
学习数据结构--第四章：树与二叉树（二叉排序树、二叉平衡树、哈夫曼树）
理木客
06-03 1535
第四章：树与二叉树（树与二叉树的应用）
考研数据结构判断题整合
Touale的博客
11-20 775
6 （ ）对于顺序存储的栈，因为栈的空间是有限的，在进行push运算时，可能发生栈的上溢，在进行pop运算时，可能发生栈的下溢。3、（ ）若有一个结点是二叉树中某个子树的中序遍历结果序列的最后一个结点，则它一定是该子树的前序遍历结果序列的最后一个结点。3 （ ）用相邻矩阵法存储一个图时，在不考虑压缩存储的情况下，所占用的存储空间大小与图中结点的个数有关，而与图的边数无关。3 （__）用相邻矩阵法存储一个图时，在不考虑压缩存储的情况下，所占用的存储空间大小与图中结点的个数有关，而与图的边数无关。
数据结构-查找
淼淼不暴躁!
09-24 85
查找
二叉排序树
热门推荐
Simple is beautiful
10-16 1万+
1.二叉排序树的概念:  二叉排序树是一种动态树表。   二叉排序树的定义：二叉排序树或者是一棵空树，   或者是一棵具有如下性质的二叉树：     ⑴ 若它的左子树非空，则左子树上所有结点的值均小于根结点的值；     ⑵ 若它的右子树非空，则右子树上所有结点的值均大于根结点的值；     ⑶ 左、右子树本身又各是一棵二叉排序树。二叉排序树的性质： 按中序遍历二叉排序树，所得到的中序遍历序列是一
基于Java实现的文本相似度计算工具包，可用于文本相似度计算、情感分析等任务，开箱即用
最新发布
09-18
由一系列算法组成的Java版相似度计算工具包，目标是传播自然语言处理中相似度计算方法。similarity具备工具实用、性能高效、架构清晰、语料时新、可自定义的特点。 提供下列功能： 词语相似度计算 词林编码法相似度[推荐] 汉语语义法相似度 知网词语相似度 字面编辑距离法 短语相似度计算 简单短语相似度[推荐] 句子相似度计算 词性和词序结合法[推荐] 编辑距离算法 Gregor编辑距离法 优化编辑距离法 段落相似度计算 余弦相似度[推荐] 编辑距离 欧几里得距离 Jaccard相似性系数 Jaro距离 Jaro–Winkler距离 曼哈顿距离 SimHash + 汉明距离 Sørensen–Dice系数 知网义原 词语义原树 情感分析 正面倾向程度 负面倾向程度 情感倾向性 近似词 word2vec
AVL树-基于BSTree的扩充(Java树形算法源码)
01-14
/* * AVL树 * 基于BSTree的扩充 */ package dsa; public class AVLTree extends BSTree implements Dictionary { /**************************** 构造方法 ****************************/ public AVLTree() { super(); } public AVLTree(BinTreePosition r) { super(r); } public AVLTree(BinTreePosition r, Comparator c) { super(r, c); } /**************************** 词典方法（覆盖父类BSTree） ****************************/ //插入条目(key, value)，并返回该条目 public Entry insert(Object key, Object value) { Entry e = super.insert(key, value);//调用父类方法完成插入 root = rebalance(lastV.getParent(), root);//从插入节点的父亲开始重新平衡化 return e; } //若词典中存在以key为关键码的条目，则将摘除其中的一个并返回；否则，返回null public Entry remove(Object key) { Entry e = super.remove(key);//调用父类方法完成删除 if (null != e) root = rebalance(lastV, root);//从删除节点的父亲开始重新平衡化 return e; } /**************************** 辅助方法 ****************************/ //从节点z开始，自上而下重新平衡化 //返回后，root仍为平衡后的（整棵）树的根节点 protected static BinTreePosition rebalance(BinTreePosition z, BinTreePosition r) { if (null == z) return r; while (true) {//从z开始，向上逐一检查z的祖先 if (!isBalanced(z)) rotate(z);//若z节点失去平衡，则通过旋转使之重新平衡 if (!z.hasParent()) return z; z = z.getParent();//继续检查其父亲 }//while } //判断节点v是否平衡 protected static boolean isBalanced(BinTreePosition v) { if (null == v) return true; int lH = (v.hasLChild()) ? (v.getLChild().getHeight()) : -1; int rH = (v.hasRChild()) ? (v.getRChild().getHeight()) : -1; int deltaH = lH - rH; return (-1 <= deltaH) && (deltaH <= 1); } //通过旋转，使节点z的平衡因子的绝对值不超过1（支持AVL树） //返回新的子树根 public static BinTreePosition rotate(BinTreePosition z) { BinTreePosition y = tallerChild(z);//取y为z更高的孩子 BinTreePosition x = tallerChild(y);//取x为y更高的孩子 boolean cType = z.isLChild();//记录：z是否左孩子 BinTreePosition p = z.getParent();//p为z的父亲 BinTreePosition a, b, c;//自左向右，三个节点 BinTreePosition t0, t1, t2, t3;//自左向右，四棵子树 /******** 以下分四种情况 ********/ if (y.isLChild()) {//若y是左孩子，则 c = z; t3 = z.getRChild(); if (x.isLChild()) {//若x是左孩子 b = y; t2 = y.getRChild(); a = x; t1 = x.getRChild(); t0 = (BSTreeNode)x.getLChild(); } else {//若x是右孩子 a = y; t0 = y.getLChild(); b = x; t1 = x.getLChild(); t2 = (BSTreeNode)x.getRChild(); } } else {//若y是右孩子，则 a = z; t0 = z.getLChild(); if (x.isRChild()) {//若x是右孩子 b = y; t1 = y.getLChild(); c = x; t2 = x.getLChild(); t3 = (BSTreeNode)x.getRChild(); } else {//若x是左孩子 c = y; t3 = y.getRChild(); b = x; t1 = x.getLChild(); t2 = (BSTreeNode)x.getRChild(); } } //摘下三个节点 z.secede(); y.secede(); x.secede(); //摘下四棵子树 if (null != t0) t0.secede(); if (null != t1) t1.secede(); if (null != t2) t2.secede(); if (null != t3) t3.secede(); //重新链接 a.attachL(t0); a.attachR(t1); b.attachL(a); c.attachL(t2); c.attachR(t3); b.attachR(c); //子树重新接入原树 if (null != p) if (cType) p.attachL(b); else p.attachR(b); return b;//返回新的子树根 }//rotate //返回节点p的孩子中的更高者 protected static BinTreePosition tallerChild(BinTreePosition v) { int lH = v.hasLChild() ? v.getLChild().getHeight() : -1; int rH = v.hasRChild() ? v.getRChild().getHeight() : -1; if (lH > rH) return v.getLChild(); if (lH < rH) return v.getRChild(); if (v.isLChild()) return v.getLChild(); else return v.getRChild(); } //返回节点p的孩子中的更矮者 protected static BinTreePosition shorterChild(BinTreePosition v) { int lH = v.hasLChild() ? v.getLChild().getHeight() : -1; int rH = v.hasRChild() ? v.getRChild().getHeight() : -1; if (lH > rH) return v.getRChild(); if (lH < rH) return v.getLChild(); if (v.isLChild()) return v.getRChild(); else return v.getLChild(); } }
黄土高原地区老龄苹果园地面蹲靠嫁接技术研究 (2007年)
05-13
针对黄土高原老龄苹果园弃园后新栽幼树再植病严重问题，以14年生原树体下部和2年生矮化中间砧苹果苗为试材，进行地面蹲靠长枝和短枝嫁接更新改造试验。结果表明，采用地面蹲靠长枝嫁接，干径增粗快，树冠恢复能力强，新梢生长量大，总枝量增长迅速，接后第2年可少量开花结果，第3年正常结果，第4年进入丰产期，比闲地定植提早1年结果，比重茬地定植提早2年结果，5年累计平均产量14 663.1 kg/hm2，是闲地定植的2.175倍，是重茬地定植的4.638倍；地面蹲靠嫁接以3月中旬至下旬、气温3～6℃嫁接最适宜，成活率平均
Find-depth_success.rar_Success_算法设计与分析
09-22
这是一个算法设计与分析相关的连接两棵树并进行压缩存储。结果返回原树深度的算法。 可以参考一下
十套数据结构试题及答案
04-22
十套数据结构试题及答案十套数据结构试题及答案十套数据结构试题及答案
二叉排序树设计与实现
05-10
通过学习二叉树遍历方面的知识以及递归与非递归遍历的利弊，利用Visual C++平台实现递归与非递归二叉树遍历，从而推导出二叉树混合遍历算法，即达到分析二叉树三种遍历递归算法与非递归算法及混合遍历算法的利弊关系。
二叉排序树.zip
05-11
二叉排序树.zip 程序设计实践课程设计C++程序源代码 编写程序完成以下功能： (1) 由{4, 9, 0, 1, 8, 6, 3, 5, 2, 7}创建一棵二叉排序树bt并以括号表示法输出； (2) 判断bt是否为一棵二叉排序树； (3) 采用递归和非递归两种方法查找关键字为6的结点，并输出其查找路径； (4) 分别删除bt中的关键字为4和5的结点，并输出删除后的二叉排序树。
依次删除一棵树的叶节点，直到整棵树删完，输入就是删除的顺序，输出这棵树的先序遍历
05-22
假设树的节点定义如下： ```python class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right ``` 可以考虑使用深度优先搜索（DFS）的方式进行遍历和删除。 具体而言，我们可以从根节点开始进行深度优先搜索，并记录下访问的节点。当我们遍历到一个叶子节点时，就将其删除，并返回其父节点。如果父节点的左右子节点都被删除了，那么我们也将其删除，并返回其父节点。如此往复，直到整棵树都被删除完。 下面是具体的实现： ```python def del_leaf_nodes(root): if not root: return [] res = [] stack = [root] while stack: node = stack[-1] if not node.left and not node.right: res.append(node.val) stack.pop() if stack: parent = stack[-1] if parent.left == node: parent.left = None else: parent.right = None else: if node.right: stack.append(node.right) node.right = None if node.left: stack.append(node.left) node.left = None return res ``` 其中，`res` 用于存放删除的顺序，`stack` 用于存放待访问的节点。我们从根节点开始入栈，然后不断弹出栈顶元素进行处理。 如果当前节点是叶子节点，我们将其删除，并记录下其值，并将其父节点弹出栈。如果其父节点的左右子节点都被删除了，那么我们也将其删除，并返回其父节点。如果当前节点不是叶子节点，我们则按照右子节点先入栈的顺序，依次将其右子节点和左子节点入栈。 最后，我们返回记录下来的删除顺序即可，同时原树已经被完全删除。如果需要输出删除顺序，可以将其转换为字符串形式，如下所示： ```python root = TreeNode(1, TreeNode(2, TreeNode(4), TreeNode(5)), TreeNode(3, TreeNode(6), TreeNode(7))) res = del_leaf_nodes(root) print("->".join(map(str, res))) # 输出：4->5->2->6->7->3->1 ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一北_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值