二叉搜索树特点:可为空树;或满足左子节点(最小) <= 根节点 <= 右子节点(最大),不存在相等值的节点;具有有序性
搜索效率之高:
1、线性查找:从左到右一个个查找,找10次。
2、比如搜索10,10大于9,又是二叉搜索树,所以一定在右边。找到13,10又比13小,所以找左边11;10又比11小,找左边
3、二叉查找树:如果这个数组是有序的,可以从中间开始查找,找到中间值8,10比8大,找右边;再进行二分,找中间值11,10小于11,最终找到10
4、哈希表,是无序的,会造成空间浪费
应用:
- 查找数据域为某一特定值的结点
- 插入新结点
- 删除指定结点
基础操作
插入思路
1) 如果当前树没有任何一个结点,则直接把新结点当作根结点使用
2)如果当前树不为空,则从根结点开始
- 新结点 < 当前结点,则继续找当前结点的左子结点
- 新结点 > 当前结点,则继续找当前结点的右子结点
- 新结点 = 当前结点,则树中已经存在这样的结点,替换该结点的value值即可
function insertIntoBST(root, n) {
// 若root为空,表示当前是可插入的空位,可直接插入
if(!root) {
root = new TreeNode(n) // 创建值为n的结点,并插入到空位
return root
}
if(root.val > n) { // 当前结点大于插入结点n,向左查找
root.left = insertIntoBST(root.left, n)
} else { // 当前结点小于插入结点n,向右查找
root.right = insertIntoBST(root.right, n)
}
return root // 返回插入后二叉搜索树的根结点
}
查询思路
从根结点开始:
- 查询结点 < 当前结点,则继续找当前结点的左子结点
- 查询结点 > 当前结点,则继续找当前结点的右子结点
- 查询结点 = 当前结点,则返回当前结点value
function search(root, n) {
// 若root为空,查找失败,直接返回
if(!root) return
// 找到目标结点,输出结点对象
if(root.val === n) {
console.log('目标结点是:', root)
} else if(root.val > n) { // 当前结点大于查询结点n,向左查找
search(root.left, n)
} else { // 当前结点小于查询结点n,向右查找
search(root.right, n)
}
}
删除思路
1)找到被删除结点(树为null就return)
2)找到删除结点右子结点树中的最小结点minNode
3)删除右子树中的最小结点
4)让被删除结点的左子树成为最小结点minNode的左子树,让被删除结点的右子树称为最小结点minNode的右子树
5)让被删除结点的父结点指向最小结点minNode
// n是要删除的节点
function deleteNode(root, n) {
// 如果没找到目标结点,则直接返回
if(!root) return root
if(root.val < n){ // 删除节点大于当前节点,继续寻找n节点的右子树(递归右子树找n,然后删除)
root.right = deleteNode(root.right, n)
}else if(root.val > n){ // 删除节点小于当前节点,继续寻找n节点的左子树(递归左子树找n,然后删除)
root.left = deleteNode(root.left, n)
}else{ // 找到目标节点
// 若是叶子结点,则不需要想太多,直接删除
if(!root.left && !root.right) {
root = null
} else if(root.left) {
// 寻找左子树里值最大的结点(就是删除结点的右子树最小的结点)
const maxLeft = findMax(root.left)
// 用这个 maxLeft 覆盖掉需要删除的当前结点
root.val = maxLeft.val
// 覆盖动作会消耗掉原有的 maxLeft 结点
root.left = deleteNode(root.left, maxLeft.val)
} else {
// 寻找右子树里值最小的结点
const minRight = findMin(root.right)
// 用这个 minRight 覆盖掉需要删除的当前结点
root.val = minRight.val
// 覆盖动作会消耗掉原有的 minRight 结点
root.right = deleteNode(root.right, minRight.val)
}
}
return root
}
// 寻找左子树最大值
function findMax(root) {
while(root.right) {
root = root.right
}
return root
}
// 寻找右子树的最小值
function findMin(root) {
while(root.left) {
root = root.left
}
return root
}
98.验证二叉搜索树
二叉树特点:可以为空树;左 <= 根 <= 右
const isValidBST = function(root) {
// 定义递归函数
function dfs(root, minValue, maxValue) {
// 若是空树也是二叉树
if(!root) return true
// 若右孩子不大于根结点值,或者左孩子不小于根结点值,则不合法
if(root.val <= minValue || root.val >= maxValue) return false
// 左右子树必须都符合二叉搜索树大小关系
return dfs(root.left, minValue,root.val) && dfs(root.right, root.val, maxValue)
}
// 初始化最小值和最大值为极小或极大
return dfs(root, -Infinity, Infinity)
};
- 完整的
class Node {
constructor(val) {
this.val = val
this.left = this.right = undefined
}
}
class Tree {
constructor(data) {
let root = new Node(data.shift())
// 遍历所有的数据,逐渐插入到当前这棵搜索树中去
data.forEach(item => {
this.insert(root, item)
})
return root
}
insert(node, data) {
if (node.val > data) {
if (node.left === undefined) {
node.left = new Node(data)
} else {
this.insert(node.left, data)
}
} else {
if (node.right === undefined) {
node.right = new Node(data)
} else {
this.insert(node.right, data)
}
}
}
static walk(root) {
if (!root.left && !root.right) {
return true
} else if ((root.left && root.val < root.left.val) || (root.right && root.val > root.right.val)) {
return false
} else {
return Tree.walk(root.left) && Tree.walk(root.right)
}
}
}
const root = new Tree([2, 1, 3])
console.log(root)
console.log(Tree.walk(root))
108.将有序数组转换为二叉搜索树
二叉搜索树的有序性:以中间元素为根结点,把数组递归创建成树
const sortedArrayToBST = function(nums) {
// 处理边界条件
if(!nums.length) return null
// root 结点是递归“提”起数组的结果
const root = buildBST(0, nums.length-1)
// 定义二叉树构建函数,入参是子序列的索引范围
function buildBST(low, high) {
// 当low > high时,意味着当前范围的数字已经被递归处理完全了
if(low > high) return null
// 二分一下,取出当前子序列的中间元素
const mid = Math.floor(low + (high - low)/2)
// 将中间元素的值作为当前子树的根结点值
const cur = new TreeNode(nums[mid])
// 递归构建左子树,范围二分为[low,mid)
cur.left = buildBST(low,mid-1)
// 递归构建左子树,范围二分为为(mid,high]
cur.right = buildBST(mid+1, high)
return cur // 返回当前结点
}
return root // 返回根结点
}