前言
继昨天的链表，今天又复习了一下二叉树，发现之前很熟练的东西，现在确实是很生疏了。看来知识真的是不学就忘啊。
方法声明
在开始介绍之前，依然先来罗列一下实现了哪些方法：
['getsize(self)']['print(self)']['qianxuDG(self, root)']['zhongxuDG(self, root)']['height(self, root)']['deepth(self, root)']['houxuDG(self, root)']['xianxu(self)']['zhongxu(self)']['houxu(self)']['width(self, root)']
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
所用的匹配代码如下：
# coding: utf8# @Author: 郭 璞# @File: getmethods.py # @Time: 2017/4/5 # @Contact: 1064319632@qq.com# @blog: http://blog.csdn.net/marksinoberg# @Description: 获取一个模块或者类中的所有方法及参数列表import redef parse(filepath, repattern): with open(filepath, 'rb') as f: lines = f.readlines() # 预解析正则 rep = re.compile(repattern) # 创建保存方法和参数列表的结果集列表 result = [] # 开始正式的匹配实现 for line in lines: res = re.findall(rep, str(line)) print("{}的匹配结果{}".format(str(line), res)) if len(res)!=0 or res is not None: result.append(res) else: continue return [item for item in result if item !=[]]if __name__ == '__main__': repattern = "def (.[^_0-9]+\(.*?\)):" filepath = './TwoBranchTree.py' result = parse(filepath, repattern) for item in result: print(str(item))
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
二叉树相关
因为思路都比较简单，所以下面就直接贴出代码了。该做注释的地方已经注释过了。
# coding: utf8# @Author: 郭 璞# @File: TwoBranchTree.py # @Time: 2017/4/6 # @Contact: 1064319632@qq.com# @blog: http://blog.csdn.net/marksinoberg# @Description: 二叉树相关所有内容# 创建二叉树节点class Node(object): def __init__(self, data, left, right): self.data = data self.left = None self.right = None# 创建二叉树class Tree(object): # 创建一棵树，默认会有一个根节点 def __init__(self, data): self.root = Node(data, None, None) self.size = 1 ##########################################################为了计算二叉树的宽度而用 # 存放各层节点数目 self.n = [] # 初始化层，否则列表访问无效 for item in range(pow(2, 5)): self.n.append(0) # 索引标识 self.maxwidth = 0 self.i = 0 # 求二叉树包含的节点数目 def getsize(self): stack = [self.root] # 为了正确获取数目，这里需要先初始化一下 self.size = 0 while stack: temp = stack.pop(0) self.size += 1 if temp.left: stack.append(temp.left) if temp.right: stack.append(temp.right) return self.size # 默认以层次遍历打印出该二叉树 def print(self): stack = [self.root] while stack: temp = stack.pop(0) print(str(temp.data)+"\t", end='\t') if temp.left: stack.append(temp.left) if temp.right: stack.append(temp.right) # 递归实现前序遍历 def qianxuDG(self, root): if root: print(root.data) self.qianxuDG(root.left) self.qianxuDG(root.right) # 递归实现中序遍历 def zhongxuDG(self, root): if root: self.zhongxuDG(root.left) print(root.data) self.zhongxuDG(root.right) # 求得二叉树的最大高度 def height(self, root): if not root: return 0 ldeepth = self.height(root.left) rdeepth = self.height(root.right) return max(ldeepth+1, rdeepth+1) # 求得二叉树的最大深度 def deepth(self, root): return self.height(root)-1 # 递归实现后序遍历 def houxuDG(self, root): if root: self.houxuDG(root.left) self.houxuDG(root.right) print(root.data) # 二叉树的先序遍历非递归实现 def xianxu(self): """ 进栈向左走， 如果当前节点有右子树， 则先把右子树入栈，再把左子树入栈。来实现先根遍历效果 :return: """ if self.root is None: return else: stack = [self.root] while stack: current = stack.pop() print(current.data) if current.right: stack.append(current.right) if current.left: stack.append(current.left) # 二叉树的中序非递归实现 def zhongxu(self): if self.root is None: return else: # stack = [self.root] # current = stack[-1] stack = [] current = self.root while len(stack)!=0 or current: if current: stack.append(current) current = current.left else: temp = stack.pop() print(temp.data) current = temp.right # 二叉树的后序非递归实现 def houxu(self): if self.root is None: return else: stack1 = [] stack2 = [] stack1.append(self.root) # 对每一个头结点进行判断，先将该头结点放到栈2中，如果该节点有左子树则放入栈1， 有右子树也放到栈1 while stack1: current = stack1.pop() stack2.append(current) if current.left: stack1.append(current.left) if current.right: stack1.append(current.right) # 直接遍历输出stack2即可 while stack2: print(stack2.pop().data) # 求一颗二叉树的最大宽度 def width(self, root): if root is None: return else: # 如果是访问根节点 if self.i == 0: # 第一层加一 self.n[0] =1 # 到达第二层 self.i += 1 if root.left: self.n[self.i] += 1 if root.right: self.n[self.i] += 1 # print('临时数据：', self.n) else: # 访问子树 self.i += 1 # print('二叉树所在层数：', self.i) if root.left: self.n[self.i] += 1 if root.right: self.n[self.i] += 1 # 开始判断, 取出最大值 # maxwidth = max(maxwidth, n[i]) # maxwidth.append(max(max(maxwidth), n[i])) self.maxwidth= max(self.maxwidth, self.n[self.i]) # 遍历左子树 self.width(root.left) # 往上退一层 self.i -= 1 # 遍历右子树 self.width(root.right) return self.maxwidthif __name__ == '__main__': # 手动创建一课二叉树 print('手动创建一课二叉树') tree = Tree(1) tree.root.left = Node(2, None, None) tree.root.right = Node(3, None, None) tree.root.left.left = Node(4, None, None) tree.root.left.right = Node(5, None, None) tree.root.right.left = Node(6, None, None) tree.root.right.right = Node(7, None, None) tree.root.left.left.left = Node(8, None, None) tree.root.left.left.right = Node(9, None, None) tree.root.left.right.left = Node(10, None, None) tree.root.left.right.left = Node(11, None, None) # 测试一下是否创建成功 print('测试一下是否创建成功') print(tree.root.data) print(tree.root.left.data) print(tree.root.right.data) print(tree.root.left.left.data) print(tree.root.left.right.data) # 调用方法打印一下效果：以层次遍历实现 print('调用方法打印一下效果：以层次遍历实现') tree.print() print('前序遍历递归实现') # 前序遍历递归实现 tree.qianxuDG(tree.root) # 中序遍历递归实现 print('中序遍历递归实现') tree.zhongxuDG(tree.root) # 后序遍历递归实现 print('后序遍历递归实现') tree.houxuDG(tree.root) # 求取二叉树的高度 print('求取二叉树的高度') print(tree.height(tree.root)) # 求取二叉树的深度 print('求取二叉树的深度') print(tree.deepth(tree.root)) # 二叉树的非递归先序遍历实现 print('二叉树的非递归先序遍历实现') tree.xianxu() print('中序非递归遍历测试') tree.zhongxu() print('后序非递归遍历测试') tree.houxu() print('二叉树的最大宽度为： {}'.format(tree.width(tree.root))) print('二叉树的节点数目为： {}'.format(tree.getsize()))
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
- 190
- 191
- 192
- 193
- 194
- 195
- 196
- 197
- 198
- 199
- 200
- 201
- 202
- 203
- 204
- 205
- 206
- 207
- 208
- 209
- 210
- 211
- 212
- 213
- 214
- 215
- 216
- 217
- 218
- 219
- 220
- 221
- 222
- 223
- 224
- 225
- 226
- 227
- 228
- 229
- 230
- 231
运行的效果如下：
D:\Software\Python3\python.exe E:/Code/Python/Python3/CommonTest/datastructor/TwoBranchTree.py手动创建一课二叉树测试一下是否创建成功12345调用方法打印一下效果：以层次遍历实现1 2 3 4 5 6 7 8 9 11 前序遍历递归实现12489511367中序遍历递归实现84921151637后序遍历递归实现89411526731求取二叉树的高度4求取二叉树的深度3二叉树的非递归先序遍历实现12489511367中序非递归遍历测试84921151637后序非递归遍历测试89411526731二叉树的最大宽度为： 4二叉树的节点数目为： 10Process finished with exit code 0
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
霍夫曼树实现
原理
霍夫曼在编码上有很大的用途，虽然还需要很多地方的改进。其目标就是尽可能使用最少的编码集来最大限度的进行编码，以此来节省空间。
算法也很简单，我们不妨先看一个小例子。
有这么一个序列 1，2，3，4，5。现在要用它来实现霍夫曼-----------------------------------------------------------/*** 武功秘籍： 先对序列进行排序，然后永远找到序列中最小的两个值，然后在序列中去掉这俩。加和之后放到原来的序列中，再次进行排序。进行下一次循环的执行，直到序列中只剩下一个元素就可以停止了。**/-----------------------------------------------------------所以第一次要找到两个最小的元素：1， 2。此时序列内容为3，4，5对1，2求和之后得到结果3，然后把这个3放到原来的序列中，此时序列变成了3，3，4，5-----------------------------------------------------------第二次：还是找最小的俩元素：3，3求和得到6，放到原序列中，变成了4,5,6-----------------------------------------------------------第三次： 找最小4，5求和得9，放到原序列：6，9-----------------------------------------------------------第四次：最小6，9求和得到15，放到原序列15-----------------------------------------------------------第五次： 序列长度为1，不满足运算条件，执行完毕。所以最终可以得到如下的一颗二叉树： 15 / \ 9 6 / \ / \ 4 5 3 3 / \ 1 2
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
代码实现一
以面向对象的方式实现：
class Node(object): def __init__(self, value, left=None, right=None): self.value = value self.left = None self.right = Noneclass Huffman(object): def __init__(self, items=[]): while len(items)!=1: a, b = items[0], items[1] newvalue = a.value + b.value newnode = Node(value=newvalue) newnode.left, newnode.right = a, b items.remove(a) items.remove(b) items.append(newnode) items = sorted(items, key=lambda node: int(node.value)) # 每次都要记得更新新的霍夫曼树的根节点 self.root = newnode def print(self): queue = [self.root] while queue: current = queue.pop(0) print(current.value, end='\t') if(current.left): queue.append(current.left) if current.right: queue.append(current.right) print()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
实现方式2
以面向过程的方式实现：
def sortlists(lists): return sorted(lists, key=lambda node: int(node.value))def create_huffman_tree(lists): while len(lists)>1: a, b = lists[0], lists[1] node = Node(value=int(a.value+b.value)) node.left, node.right = a, b lists.remove(a) lists.remove(b) lists.append(node) lists = sorted(lists, key=lambda node: node.value) return listsdef scan(root): if root: queue = [root] while queue: current = queue.pop(0) print(current.value, end='\t') if current.left: queue.append(current.left) if current.right: queue.append(current.right)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
最终效果
if __name__ == '__main__': ls = [Node(i) for i in range(1, 5)] huffman = Huffman(items=ls) huffman.print() print('===================================, ') lssl = [Node(i) for i in range(1, 5)] root = create_huffman_tree(lssl)[0] scan(root)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
运行结果：
D:\Software\Python3\python.exe E:/Code/Python/Python3/CommonTest/datastructor/霍夫曼树创建.py10 4 6 3 3 1 2 ===================================, 下面的方式不正确的原因是ls已经被上面代码修改过了，需要重新设置一下！10 4 6 3 3 1 2 Process finished with exit code 0
- 1
- 2
- 3
- 4
- 5
总结
“好记性，不如烂笔头”。与君共勉。
再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow
375
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
