数据结构(树)

树

数中的每一个元素称之为节点或结点，因为在英文中叫Node，翻译不同，所以俩个叫法都行

专业名词：
度：每一个节点的子节点数量
树高：树的总层数
根节点：最顶层的节点
左子节点：左下方的节点
右子节点：右下方的节点
根节点的左子树：其左半分支(别的节点也有子树)
根节点的右子树：其右半分支(别的节点也有子树)

每一个节点会存储：父节点地址、值、左子节点地址值、右子节点地址值
如果该节点没有父节点或者子节点，则其对应的地址值记为null

二叉树

二叉树：任意节点的度<=2称之为二叉树

普通的二叉树：

        没有规律的存储数据，没有什么意义

二叉查找树

特点：
1.每一个节点上最多有两个子节点
2.任意节点左子树上的值都小于当前节点
3.任意节点右子树上的值都大于当前节点

添加

添加规则：
1.小的存左边
2.大的存右边
3.一样的不存

例如以下这组数据：7、10、4、5

1.首先存放7到根节点

2.判断10与7的关系，10 > 7所以10存放在7的右子节点

3.判断4与7的关系，4 < 7所以4存放在7的左子节点

4.判断5与7的关系，5 < 7所以5存放在7的左子节点，因为5的左子节点已经有4了，所以再次比较5与4的关系，5 > 4所以5存放在4的右子节点

查找

查找：

如果查找5：

        1.让5与7进行比较，5 < 7所以查找7的左子树

        2.让5与4比较，5 > 4所以查找4的右子树

        3.此时找到5

如果查找12：

        1.让12与7比较， 12 > 7所以查找7的右子树

        2.让12与10比较，12 > 10所以查找10的右子树

        3.让12与11比较，12 > 11所以查找11的右子树

        4.此时找到12

如果查找30(二叉树中不存在的值)：

        1.让30与7比较， 30 > 7所以查找7的右子树

        2.让30与10比较，30 > 10所以查找10的右子树

        3.让30与11比较，30 > 11所以查找11的右子树

        4.让30与12比较，30 > 12所以查找12的右子树

        5.此时没有节点了，首先判定该二叉树中没有30这个值

二叉树的遍历方式

所有二叉树都能按照这个方式遍历

1.前序遍历

从根节点开始，然后按照当前节点，左子节点，右子节点的顺序遍历

例：

遍历顺序：20-18-16（此时没有左子节点）-19（此时没有右子节点）23-22-24

2.中序遍历

从最左边的子节点开始，然后按照左子节点，当前节点，右子节点（左-中-右）的顺序遍历

例：

1.20-18-16找到最左边的子节点16

2.开始遍历（左-中-右方式遍历）：

16-18-19-20-22-23-24

特点：遍历出来的数据是从小到大的

3.后序遍历

从最左边的子节点开始，然后按照左子节点，右子节点，当前节点（左-右-中）的顺序遍历

例：

1.20-18-16找到最左边的子节点

2.开始遍历：

16-19-18-22-24-23-20

4.层序遍历

从根节点开始一层一层遍历

开始遍历：20-18-23-16-19-22-24

弊端

 例如此时要存放7、10、11、12、13

此时根节点的左子树和右子树差的太多了，这样查询效率太低，此时就需要平衡二叉树

平衡二叉树

在二叉查找树的基础上保持二叉树的平衡

规则：任意节点左右子树高度差不不超过1

判断下方二叉树是否为平衡二叉树：

1.判断7的左子树高度为3，右子树高度为4，相差<=1

2.判断4的左子树高度为2，右子树高度为2，相差<=1

3.......

4.判断10的左子树高度为0，右子树高度为3，相差=3>1

所以答案：否

下面示范俩个是平衡二叉树的例子：

平衡二叉树是怎么让它们左右子树高度差不超过1？

通过旋转机制

旋转机制

规则1：左旋

规则2：右旋

触发时机：当添加一个节点时，该树不再是一个平衡二叉树

左旋

例：

此时下面这个二叉树它是一个平衡二叉树

如果添加一个12节点，那么此时就破坏了平衡，要开始旋转

旋转首先：

1.确定支点：从添加的节点开始，不断的往父节点去找，找到第一个不平衡的点，以它为支点

2.再以支点（此时为10）为基准，判断左旋还是右旋（此时10的右子树比左子树多，所以判断为左旋操作）

步骤：

1.以不平衡的点作为支点

2.把支点左旋降级，变成左子节点

3.晋升原来的右子节点

此时再来看一种相对复杂的情况，建议在上上张图的基础上先增加9节点再增加12节点：

1.确定支点：从12开始找，找到支点为7

步骤：

1.以不平衡的点为支点

2.将根节点的右侧往左拉

3.原先的右子节点变成新的父节点，并把多余的左子节点出让，给已经降级了的根节点当作右子节点

右旋

例：

参考左旋，结果：

需要旋转的四种情况

1.左左

2.左右

3.右右

4.右左

左左

当根节点左子树的左子树有节点插入，导致二叉树不平衡

理解，例：

此时根节点的左子树就是4、2、5这三个节点，这个左子树的左子树就是2这个节点

在2这个节点插入节点(图1-2)导致二叉树不平衡(图1-2，此时节点7左右子树的高度差=2>1)

1-1

1-2

旋转：

右旋：

此时恢复平衡

结论：左左导致的不平衡，一次右旋就能解决

左右

当根节点的左子树的右子树有节点插入，导致的不平衡

理解：例： 

此时根节点的左子树就是4、2、5三个节点组成的子树，这个子树的右子树为5

在5这个节点插入节点(图2-2)导致二叉树不平衡(图2-2，此时7的左右子树层数=2>1)

2-1

2-2

错误示范

旋转：

右旋：此时依旧不平衡(4的左右子树层数=2>1)

此时高度差依旧为2，表面左右不能通过一次右旋达成平衡二叉树

正确示范：

旋转：

局部左旋：先将4、2、5、6这块子树左旋，将左右的情况变成左左

右旋：

此时恢复平衡

结论：左右导致的不平衡，先局部左旋，再整体右旋

右右

当根节点右子树的右子树有节点插入，导致二叉树不平衡

理解：例：

此时根节点的右子树为10、9、11，该子树的右子树为11，此时添加节点12(图3-2)，导致二叉树不平衡(7的左右子树层数差=2>1)

3-1

3-2

旋转：

左旋：

此时恢复平衡

结论：右右导致的不平衡，一次左旋就能解决

右左

当根节点的右子树的左子树有节点插入，导致二叉树不平衡

理解，例：

此时根节点的右子树为10、9、11，该子树的左子树为9

此时添加节点8(图4-1)导致二叉树不平衡(4-2，根节点左右子树层数差=2>1)

4-1

4-2

错误示范：

旋转：

左旋：

此时高度差依旧为2，表面右左不能通过一次左旋达成平衡二叉树

正确示范：

旋转：

局部左旋：将右左变成右右

整体左旋：

此时恢复平衡

结论：右左导致的不平衡，先局部左旋，再整体左旋

弊端

由于添加节点需要旋转，会造成添加节点的时间浪费

红黑树

红黑树是一种自平衡的二叉查找树，是计算机科学中用到的一种数据结构

1972年出现，当时被称之为平衡二叉B树。后来，1978年被修改为如今的“红黑树”

它是一种特殊的二叉查找树，红黑树的每一个节点上都有存储位表示节点的颜色

每一个节点可以是红或者黑；红黑树不是高度平衡的，它的平衡是通过“红黑规则”进行实现的

红黑树每个节点中存储：父节点地址值、值、左子节点地址值、右子节点地址值、颜色（新增）

平衡二叉树和红黑树对比：

红黑树：                                平衡二叉树：

是一个二叉查找树                  高度平衡                  

但是不是高度平衡的              当左右子树高度差超过1时，通过旋转保持平衡

条件：特有的红黑规则

红黑规则

1.每一个节点或是红色的，或是黑色的

2.根节点必须是黑色

3.如果一个节点没有子节点或者父节点，则该节点相应的指针属性值为Nil，这些Nil视为叶节点，每个叶节点（Nil）是黑色的

4.如果某一个节点是红色，那么它的子节点必须是黑色（不能出现俩个红色节点相连的情况）

5.对每一个节点，从该节点到其所有后代（该节点的所有子树节点）叶节点（Nil节点）的简单路径（例如下图13-8-11-Nil就是一条简单路径，核心：不能往回走）上，均包含相同数目的黑色节点

例：下图就是一个红黑树

存储：

此时拿6这个节点举例，其内存中存储了父节点地址值，6，左和右子节点地址值为空，颜色为红

添加规则

默认颜色：添加节点默认是红色的（效率高）

为什么效率高？

例如此时要添加20、18、23三个节点，且默认为黑色的话

首先添加20：满足红黑规则

再添加18：此时就已经违背了红黑规则第五条

需要将18改成红色，才能满足红黑规则：

再添加23：此时又违背了红黑规则第五条

需要将23变成红色，才能满足红黑规则：

结论：如果默认添加元素是黑色，那么添加三个节点需要调整两次

现在演示这三个节点默认为红色的情况：

首先添加23：此时违背红黑规则第二条

需要将20变成黑色，才能满足红黑规则：

再添加18节点：满足红黑规则

再添加23节点：满足红黑规则

结论：添加三个节点，只需要调整一次，所以默认颜色为红色效率更高

除了默认颜色外，红黑树还有很多添加节点的规则

例：

此时需要添加20、18、23、22、17、25、19、15、14/16

1.首先添加20：此时违反红黑规则第二条

解决方案：将20改为黑色，则满足红黑规则

2.添加18：满足红黑规则（非根-父黑色-不需要操作）

3.添加23：满足红黑规则（非根-父黑色-不需要操作）

4.添加22：违背红黑规则第四条

解决方案：非根-父红色-叔叔红色（此时父为23-叔叔为18）

1.将父变成黑、叔叔变成黑。

2.将祖父设为红色

3.如果祖父为根，再将祖父设为黑（true）

   如果祖父非根，将祖父设置为当前节点再进行其他判断（false）

5.添加17：满足红黑规则（非根-父黑色-不需要操作）

6.添加24和19时，同上述5（非根-父黑色-不需要操作）

7.添加15节点：此时违反红黑规则第四条

解决方案：非根-父红色-叔叔红色（此时父为17，叔叔为19）

1.将父变成黑、叔叔变成黑。

2.将祖父设为红色

3.如果祖父为根，再将祖父设为黑（false）

   如果祖父非根，将祖父设置为当前节点再进行其他判断（true）

以18为当前节点判断（非根-父黑色-不需要操作）

8.添加14节点：违背红黑规则第四条

解决方案：非根-父红色-叔叔黑色-当前节点为父节点的左子节点（此时父为15，叔叔为Nil）

1.将父设为黑色

2.将祖父设为红色

3.以祖父为支点进行右旋

9.假设没有添加8步骤中的14，而是添加16：此时违背红黑规则第四条

解决方案：非根-父红色-叔叔黑色-当前节点是父节点的右子节点（此时父为15，叔叔为Nil）

1.把父作为当前节点并左旋，再进行判断

此时15为当前节点（非根-父红色-叔叔红色-当前节点为父节点的左子节点）

1.将父设为黑色

2.将祖父设为红色

3.以祖父为支点进行右旋

此时就彻底解决！！！

总结

红黑树增删改查的性能都很好