树的基本知识

一，树的概念： 树是一种抽象数据结构（ADT）二维结构，用于模拟具有树状结构性质的数据集合。
二， 树的特点：
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；(类似于不能多重继承一样)
除了根节点外，每个子节点可以分为多个不相交的子树；
三，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；
四，树的例子：

五，树的分类
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。
六，树的应用场景
1.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
2.路由协议就是使用了树的算法
3.mysql数据库索引
4.文件系统的目录结构
5.所以很多经典的AI算法其实都是树搜索，此外机器学习中的decision tree也是树结构
七，二叉树
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）

代码实现二叉树的添加与遍历代码如下：

class Node(object):
    def __init__(self,item):
        self.elem=item
        self.ltree=None
        self.rtree=None

class Tree(object):
    def __init__(self):
        self.root=None
    def add(self,item):
        node=Node(item)
        li=[self.root]
        if self.root is None:
            self.root=node
            return
        while li:
            cur_elem=li.pop(0)
            if cur_elem.ltree !=None:
                li.append(cur_elem.ltree)
            else:
                cur_elem.ltree=node
                return
            if cur_elem.rtree!=None:
                li.append(cur_elem.rtree)
            else:
                cur_elem.rtree = node
                return
    def breadth_travel(self):#广度遍历
        if self.root is None:
            return
        li=[self.root]
        while li:
            cur_elem=li.pop(0)
            print(cur_elem.elem,end=' ')
            if cur_elem.ltree!=None:
                li.append(cur_elem.ltree)
            if cur_elem.rtree!=None:
                li.append(cur_elem.rtree)

    def preorder(self, node):#先序遍历,注意要传入node
        if node==None:
            return
        print(node.elem,end=' ')
        self.preorder(node.ltree)
        self.preorder(node.rtree)
    def inorder(self, node):#先序遍历,注意要传入node
        if node==None:
            return
        self.inorder(node.ltree)
        print(node.elem,end=' ')
        self.inorder(node.rtree)

    def postorder(self, node):#先序遍历,注意要传入node
        if node==None:
            return
        self.postorder(node.ltree)
        self.postorder(node.rtree)
        print(node.elem,end=' ')

if __name__ == "__main__":
    tree = Tree()
    tree.add(0)
    tree.add(1)
    tree.add(2)
    tree.add(3)
    tree.add(4)
    tree.add(5)
    tree.add(6)
    tree.add(7)
    tree.add(8)
    tree.add(9)
    tree.breadth_travel()
    print(" ")
    tree.preorder(tree.root)
    print(" ")
    tree.inorder(tree.root)
    print(" ")
    tree.postorder(tree.root)
    print(" ")

结果如下：

0 1 2 3 4 5 6 7 8 9  
0 1 3 7 8 4 9 2 5 6  
7 3 8 1 9 4 0 5 2 6  
7 8 3 9 4 1 5 6 2 0  

八，二叉树遍历
1，广度遍历
2，深度遍历
分为先序遍历：根左右
中序遍历：左根右
后序遍历：左右根
这些遍历类似于递归思想。永远是先遍历左树后遍历右树。

九，如何由遍历结果构造一棵树
需要知道先序，中序，后序三者中的两者，且必须包括中序遍历。因为只有中序遍历才可以将左树与右树完整分开。
如：已知先序遍历结果与中序遍历结果，构造一棵树的步骤：
1，先序遍历的第一个元素一定是根节点，找到这个根节点
2 ，利用根节点，将中序遍历分为左右两部分，然后在先序遍历中找到对应部分（先序与中序遍历的区别在于排列顺序，所以可以在先序中找到，因为元素相同）
3，同样找到先序遍历分开部分的第一个元素，重复上述过程，直到构造出整棵树。

对于后序遍历，只需要在每棵树的末尾找根节点就好。