二叉权基础（上）：什么样的二叉树适合用数组来存储

------本文是学习算法的笔记，《数据结构与算法之美》，极客时间的课程------

带着下面的问题，来学习今天的内容：二叉树有哪几种存储方式？什么样的二叉树适合用数组来存储？

树（Tree）

先看下什么是“树”？观察下图，你来看盾树有什么特征？
“树”这种数据结构真的很像我们现实生活中的“树”，这里面每个元素我们叫作“节点”；用来连线相邻节点之间的关系，我们叫作“父子关系”。

比如下图中，A节点是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，所以它们之间互称为兄弟节点。我们把没有父节点的节点叫作根节点，也就是图中的E节点。我们把没有子节点的节点叫作叶子节点或者叶节点，比如图中的G、H、I、J、K、L都是叶子节点。

关于“树”，还有三个比较相似的概念：高度（Height）、深度（Depah）、层（Level）。定义如下

这三个概念的定义比较容易混淆，描述起来也比较空洞，直接看图。

二叉树（Binary Tree）

二叉树，每个节点最多有两个“叉”，也就是两个子节点，分别是左子节点和右子节点。不过，二叉树并不要求每个节点都有两个节节点。我画的这几个都是二叉树。以 此类推，你可以想象一下四叉树，八叉树是什么样子。

这个图里面，有两个比较特殊的二叉树。其中编号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，这种二叉树就叫满二叉树。

编号3的二叉树中，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，并且除了最后一层，其他层的节点个数都要达到最大，这种二叉树叫作完全二叉树。

满二叉树很好理解，也很好识别，但是完全二叉树，就有点不太好分了。可以看看下图。

要理解完全二叉树的由来，我们需要先了解，如何表示(或者存储)一棵二叉树？

它分两种，一种是基于指针或者引用的二叉链式存储法，一种是基于数组的顺序存储法。

我们先来看比较简单的、直观的链式存储法。从图中你应该可以很清楚的看到，每个节点有三个字段，其中一个存储数据，另外两个是指向左右节点的指针。我们只要拎住根节点，就可以通过左右子节点的指针，把整个树都串起来。这种存储方式我们比较常用。大部分二叉树代码都是通过这种结构来实现的。

我们再来看，基于数组的顺序存储法。我们把根节点存储下标 i = 1的位置，那左子节点存储在 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。

总结下，如果节点X存储在数组中下标为 i 的位置，下标为2 * i 的位置存储的就是左节点，下标为 2 * i +1 的位置存储的就是右子节点。反过来，下标为 i/2 的位置存储的就是它的父节点。通过这种方法，我们只要知道根节点的存储位置（一般情况下，为了方便计算子节点，根节点会存储在下标为1的位置），这样就可以通过下标计算，把整棵树都串起来。

不过，我刚刚举的例子是一棵完全二叉树，所以仅仅“浪费”了一个下标为0的存储位置。如果是非完全二叉树，其实会浪费比较多的数组存储空间。你可以看看我举的下面这个例子。

所以，如果某棵二叉树是完全二叉树，那用数组存储无疑最节省内存。因为数组的存储方法并不需要像链式存储法那样，要存储额外的左右子节点的指针。这也是为什么完全二叉树会单独拎出来的原因，也是为什么完全二叉树要求最后一层的子节点都靠左的原因。

当我们讲到堆和堆排序的时候，你会发现，堆其实就是一种完全二叉树，最常用的存储方法就是数组。

二叉树的遍历

前面讲了二叉树的基本定义和存储方法，现在我们来看二叉树中非常重要的操作，二叉树的遍历。这也是非常觉的面试题。

经典的方法有三种：前序遍历、中序遍历和后序遍历。其中，前、中、后序，表示的是节点与它的左右子节点遍历打印的先后顺序。

• 前序遍历是指，对于树中的任意节点，先打印这个节点，然后再打印它的左子树，最后打印它的右子树。
• 中序遍历是指，对于树中的任意节点，先打印它的左子树，然后再打印它本身，最后打印它的右子树。
• 后序遍历是指，对于树中的任意节点，先打印它的左子树，然后再打印它的右子树，最后打印这个节点本身。
  **实际上，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，其实就是先打印根节点，然后再递归地打印左子树，最后递归地打印右子树。

写递归代码的关键，就是看能不能写出递推公式，而写递推公式的关键就是，如果要解决问题A，就假设子问题B、C来解决A。所以，我们可以把前、中、后序遍历的递推公式都写出来。

// 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

有了递推公式，代码写起来就简单多了。这三种遍历的方法，我都写了伪代码。

void preOrder(Node root){
	if(root == null){
		return;
	}
	print root // 此处为伪代码，表示打印root节点
	preOrder(root -> left);
	preOrder(root -> right);
}

void inOrder(Node root){
	if(root == null){
		return;
	}
	inOrder(root -> left);
	print root 	// 此处为伪代码，表示打印root节点
	inOrder(root -> right);
}

void postOr(Node root){
	if(root == null){
		return;
	}
	postOr(root -> left);	
	postOr(root -> right);
	print root 	// 此处为伪代码，表示打印root节点
}

二叉树的前、中、后序遍历的递归实现是不是很简单？你知道二叉树 时间复杂度是多少吗？

从上文的图中，可以看出，每个节点最多会被访问两次，所以遍历操作的时间复杂度，跟节点的个数n 成正比，也就是说二叉树的遍历的时间复杂度是O(n)

解答开篇

今天，讲了树的基本概念。平时最常用的就是二叉树。二叉树的每个节点最多有两个子节点，分别是左右了节点。二叉树中，有两种比较特殊的树，分别是满二叉树和完全二叉树。满二叉树又是完全二叉树的一种特殊情况。

二叉树既可以用链式存储，也可以用数组顺序存储。数组顺序存储的方式比较适合完全二叉树，其他类型的二叉村用数组存储比较浪费存储空间。除此之外，二叉树里非常重要的操作就是前、中、后序遍历操作，遍历的时间复杂度是O(n)，你需要理解并能用递归代码来实现。