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。