数据结构与算法Day7

数与数算法

树的概念：是一种抽象数据类型（ADT），是由n个有限节点组成一个具有层次关系的集合。
具有以下四个特点：
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相交的子树；

树的术语
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；
树的种类
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；
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）；
霍夫曼树（用于信息编码）：带权路径最短的二叉树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，拥有多余两个子树。
树的存储方式
顺序存储与链式存储

二叉树

二叉树概念：二叉树是每个节点最多有两个子树的树结构。通常子树被称作“左子树”（left subtree）和“右子树”（right subtree）
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）
二叉树的遍历
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。
广度优先：从上到下，从左到右的遍历整个数（先上到下，再根据层次从左到右）
深度优先：分为先序遍历（根左右），中序遍历（左根右），后续遍历（左右根）

在Python中的实现

class Node(object):
    '''定义数 根节点以及左右子节点'''
    def __init__(self,item):
        self.elem = item
        self.lchild = None
        self.rchild = None
class Tree(object):
    '''二叉树'''
    def __init__(self):
        self.root = None
    def add(self,item): #添加节点
        node = Node(item)  #导入节点
        if self.root is None:  #如果根节点为空 直接挂上
            self.root = node
            return
        queue = [self.root] #二叉树是一种队列的方式进行添加
        while queue: #进入循环的条件 需要队列不为空
            cur_node = queue.pop(0) # 删除头节点
            if cur_node.lchild is None: #如果头节点的左子节点为空 则挂上
                cur_node.lchild = node
                return
            else:
                queue.append(cur_node.lchild)  直接加入队列中 进行该节点.lchild.lchild(.rchild)的循环
            if cur_node.rchild is None: #如果头节点的右子节点为空 则挂上
                cur_node.rchild = node
                return
            else:
                queue.append(cur_node.rchild) #同上
    def breadth_travel(self): #广度遍历
        '''广度遍历'''
        if self.root is None:
            return
        queue = [self.root] #根据队列对各个节点进行加入并返回
        while queue:
            cur_node = queue.pop(0) #删除头节点
            print(cur_node.elem,end = ' ') #打出该节点元素
            if cur_node.lchild is not None: #按照层次 从左到右将节点信息加入队列
                queue.append(cur_node.lchild)
            if cur_node.rchild is not None:
                queue.append(cur_node.rchild)
    def preorder_travel(self,node):
        '''先序遍历'''
        if node is None:
            return
        print(node.elem,end = ' ') #打印出根节点
        self.preorder_travel(node.lchild) #递归 递归后按照顺序从最后层次的从左到右的返回左子节点
        self.preorder_travel(node.rchild)#递归 递归后按照顺序从最后层次的从左到右的返回右子节点
    def inorder_travel(self,node):
        '''中序遍历'''
        if node is None:
            return
        self.inorder_travel(node.lchild) #先不断的递归传入节点左节点 一直循环 指导不满足条件 返回不满足条件的上一层循环 进行下一语句的程序运行 （下列语句运行逻辑均差不多）
        print(node.elem, end=' ')
        self.inorder_travel(node.rchild)

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

根据二叉树遍历确定一棵树信息
先序遍历：头节点为根，可以根据其他信息不断找出根节点，再划分其子节点。
中序遍历：根节点在中间，可以根据根节点，将每个左右子节点所形成的数找出。
后序遍历：从后往前找，根在最后。