python数据结构与算法第七天-CSDN博客

本文链接：https://blog.csdn.net/lyckid/article/details/103420367

文章目录

- 树与树算法

树与树算法

树的概念

树（Tree）是一种抽象数据结构类型或是实现这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。他是由n（n>=1)个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一颗倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下特点：

每个节点有零个或多个字节点
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
除了根节点意外，每个子节点可以分为多个不相交的子数

树的术语

节点的度：一个节点含有的子数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，跟为第一层，根的子节点为第二层，一次类推；
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；
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成为该节点的子孙；
森林：由m（m>=）棵互不相交的树的集合称为森林；

树的存储与表示

顺序存储：将数据结构存储在固定的数组中，然在遍历速度上有一定优势，但因所栈空间比较大，是非主流二叉树，二叉树通常以链式存储。
链式存储

常见的一些树的应用场景

xml，html等，那么编写这些东西的解析器的时候，不可避免用到树
路由协议就是使用了树的算法
mysql数据库索引
文件系统的目录结构
所以很多经典的AI算法都是树搜索，此外机器学习中的decision tree也是树结构

树的种类

无序树：树种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由顺序关系，这种树称为有序树；
- 二叉树：每个节点最多含有两个子数的树称为二叉树
  - 完全二叉树：对于每一颗二叉树，假设深度为d(d>1)。除了第d层外，其他各层的节点数目均已达最大值，且第d层所有节点从做向右连续的紧密排列，这样的二叉树被称为完全二叉树，其中满二叉树的定义就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数的高度差不大于1的二叉树。
  - 排序二叉树（二叉查找树：Binary Search Tree）：也称二叉搜索树、有序二叉树）；
- 霍夫曼树（用于信息编码）：带权路径最短的热茶书称为哈夫曼树或最优二叉树；
- B树：一种对读写操作进行优化的自平衡的二叉查找树，能够保持数据有序，拥有多余两个子数。

二叉树

二叉树的基本概念

二叉树是每个节点最多有两个子数的树结构。通常子树被称作"左子数"和“右子数”

二叉树的性质（特性）

性质1：在二叉树的第i层上之多有 $2^{i-1}$ 个节点
性质2：深度为k的二叉树至多有$2^k-1个节点(k>0)
性质3：对于任意一棵二叉树，如果其叶节点树为N0，而度数为2的节点总数为N2，则N0=N2+1
性质4：具有n个节点的完全二叉树的深度必为log2(n+1)
性质5：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，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）

二叉树的表示及实现

class Node:
    def __init__(self, item):
        self.elem = item
        self.lchild = None
        self.rchild = None


class Tree:
    def __int__(self):
        self.root = None

    def add(self, item):
        node = Node(item)
        if self.root is None:
            self.root = node
            return
        queue = [self.root]
        while queue:
            cur_node = queue.pop(0)
            if cur_node.lchild is None:
                cur_node.lchild = node
            else:
                queue.append(cur_node.lchild)
            if cur_node.rchild is None:
                cur_node.rchild = node
            else:
                queue.append(cur_node.rchild)

二叉树的遍历

树的遍历是树的一种重要的运算。所谓遍历时至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，我们把这种对所有结点的访问称为遍历。那么树的两种重要的遍历模式时深度优先遍历和广度优先遍历，深度优先一般用递归，广度优先一般用队列。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。

广度遍历

class Node:
    def __init__(self, item):
        self.elem = item
        self.lchild = None
        self.rchild = None


class Tree:
    def __init__(self):
        self.root = None

    def add(self, item):
        node = Node(item)
        if self.root is None:
            self.root = node
            return
        queue = [self.root]
        while queue:
            cur_node = queue.pop(0)
            if cur_node.lchild is None:
                cur_node.lchild = node
                return
            else:
                queue.append(cur_node.lchild)
            if cur_node.rchild is None:
                cur_node.rchild = node
                return
            else:
                queue.append(cur_node.rchild)

    def breath_travel(self):
        if self.root is None:
            return
        queue = [self.root]
        while queue:
            node = queue.pop(0)
            print(node.elem)
            if node.lchild is not None:
                queue.append(node.lchild)
            if node.rchild is not None:
                queue.append(node.rchild)


if __name__ == '__main__':
    tree = Tree()
    tree.add(1)
    tree.add(2)
    tree.add(3)
    tree.add(4)
    tree.add(5)
    tree.breath_travel()

深度优先遍历

对于一个二叉树，深度优先搜索时沿着树的深度遍历树的节点，尽可能深的搜索树的分支。
那么深度遍历右重要的三种方法。这三种方法常被用于访问树的节点，他们之间的不同在于访问每个节点的次序不同。这三种便可i分别叫做先序遍历（preorder），中序遍历（inorder）和后序遍历（postorder）。我们来给出它们的详细定义，然后距离看看它们的应用。

先序遍历，在先序遍历中，我们先访问根节点，然后递归使用先序遍历访问左子树，在递归使用先序遍历访问右子数

根节点->左子树->右子树

def preorder(self,node):
    '''先序遍历'''
    if node is None:
        return
    print(node.elem,end=" ")
    self.preorder(node.lchild)
    self.preorder(node.rchild)

中序遍历在中序遍历中，我们递归使用中序遍历访问左子树，然后访问根节点，最后在递归使用中序遍历访问右子树

左子树->根节点->右子树

def inorder(self,node):
    '''中序遍历'''
    if node is None:
        return
    self.inorder(node.lchild)
    print(node.elem,end=" ")
    self.inorder(node.rchild)

后序遍历在后序遍历中，我们先递归使用后续遍历访问左子树和右子树，最后访问根节点

左子树->右子数->根节点

def postorder(self,node):
    '''后续遍历'''
    if node is None:
        return
    self.postorder(node.lchild)
    self.postorder(node.rchild)
    print(node.elem,end=" ")