数据结构与算法笔记（八）树和二叉树

树：

不做具体树的介绍

树是由结点和边组成的，不存在环的一种数据结构

树满足递归定义的特性。也就是说，如果一个数据结构是树结构，那么剔除掉根结点后，得到的若干个子结构也是树，通常称作子树。

二叉树中，每个结点最多有两个分支，即每个结点最多有两个子结点，分别称作左子结点和右子结点。

• 满二叉树，定义为除了叶子结点外，所有结点都有 2 个子结点。
• 完全二叉树，定义为除了最后一层以外，其他层的结点个数都达到最大，并且最后一层的叶子结点都靠左排列。

二叉树的储存方法：

• 链式储存法：像链表一样，每个节点有三个字段，一个储存数据，两外两个分别储存左右子节点的指针
• 顺序储存法：按照规律把节点存放在数组中（上到下，左到右）

顺序存储方法中，结点 X 的下标为 i，那么 X 的左子结点总是存放在 2 * i 的位置，X 的右子结点总是存放在 2 * i + 1 的位置。

完全二叉树浪费的仅仅是下标为0的储存位置，储存空间利用效率高。

树的基本操作

树的遍历方法：

• 前序遍历：对树中的任意结点来说，先打印这个结点，然后前序遍历它的左子树，最后前序遍历它的右子树。(中左右)

顺序：ABDECFG

• 中序遍历：对树中的任意结点来说，先中序遍历它的左子树，然后打印这个结点，最后中序遍历它的右子树。(左中右)

顺序：DBEAFCG

• 后序遍历：对树中的任意结点来说，先后序遍历它的左子树，然后后序遍历它的右子树，最后打印它本身。(左右中) 

顺序：DEBFGCA

// 先序遍历
public static void preOrderTraverse(Node node) {
    if (node == null)
        return;
    System.out.print(node.data + " ");
    preOrderTraverse(node.left);
    preOrderTraverse(node.right);
}
// 中序遍历
public static void inOrderTraverse(Node node) {
    if (node == null)
        return;
    inOrderTraverse(node.left);
    System.out.print(node.data + " ");
    inOrderTraverse(node.right);
}
// 后序遍历
public static void postOrderTraverse(Node node) {
    if (node == null)
        return;
    postOrderTraverse(node.left);
    postOrderTraverse(node.right);
    System.out.print(node.data + " ");
}

二叉树的遍历中，每个节点都被访问了，时间复杂度为O(n)。

增加和删除操作只需要通过指针建立连接关系，时间复杂度为O(1)

二叉树的特性：

• 在二叉查找树中的任意一个结点，其左子树中的每个结点的值，都要小于这个结点的值。
• 在二叉查找树中的任意一个结点，其右子树中每个结点的值，都要大于这个结点的值。
• 在二叉查找树中，会尽可能规避两个结点数值相等的情况。
• 对二叉查找树进行中序遍历，就可以输出一个从小到大的有序数据队列。

二叉树的查找操作：

• 首先判断根结点是否等于要查找的数据，如果是就返回。
• 如果根结点大于要查找的数据，就在左子树中递归执行查找动作，直到叶子结点。
• 如果根结点小于要查找的数据，就在右子树中递归执行查找动作，直到叶子结点。

"二分查找”所消耗的时间复杂度就可以降低为 O(logn)。

二叉树的插入操作：

从根结点开始，如果要插入的数据比根结点的数据大，且根结点的右子结点不为空，则在根结点的右子树中继续尝试执行插入操作。直到找到为空的子结点执行插入动作。二叉查找树插入数据的时间复杂度是 O(logn)

二叉树的删除操作：

• 情况1：要删除的结点是某个叶子结点，则直接删除，将其父结点指针指向 null 
• 情况2：删除的结点只有一个子结点，只需要将其父结点指向的子结点的指针换成其子结点的指针
• 情况3：如果要删除的结点有两个子结点，则有两种可行的操作方式
  • 找到这个结点的左子树中最大的结点，替换要删除的结点
  • 找到这个结点的右子树中最小的结点，替换要删除的结点

例：

输入一个字符串，判断它在已有的字符串集合中是否出现过?

采用最暴力的办法：假设字符串集合包含了 n 个字符串，其中的字符串平均长度为 m。那么新来的一个字符串，需要与每个字符串的每个字符进行匹配。则时间复杂度为 O(nm)

在 nm 的复杂度中，存在很多的无效匹配。例如，输入 hxxx时 字符串集合中没有h 开头的，则不需要进行后续的匹配。

因此，如果可以通过对字符前缀进行处理，就可以最大限度地减少无谓的字符串比较，从而提高查询效率。这就是“用空间换时间”的思想，再利用共同前缀来提高查询效率。

们对字符串建立一个的树结构，它将字符串集合的前缀进行合并，每个根结点到叶子结点的链条就是一个字符串

这个树结构也称作 Trie 树，或字典树。它具有三个特点：

• 第一，根结点不包含字符；
• 第二，除根结点外每一个结点都只包含一个字符；
• 第三，从根结点到某一叶子结点，路径上经过的字符连接起来，即为集合中的某个字符串。

这个问题的解法可以拆解为以下两个步骤：

• 第一步，根据候选字符串集合，建立字典树。这需要使用数据插入的动作。
• 第二步，对于一个输入字符串，判断它能否在这个树结构中走到叶子结点。如果能，则出现过。