二叉树基础（下）：二叉查找树

     思考题：二叉查找树是一种特殊的二叉树，最大的特点是支持动态数据集合的快速插入、删除、查找操作。但是散列表也支持这些操作，并且散列表的时间复杂度是O(1)，比二叉树更加的高效。那么，既然有了这么高效的散列表，使用二叉树的地方是不是都是可以换成散列表呢？有没有什么地方是散列表做不了，必须要使用二叉树呢？

 一、二叉查找树

       二叉查找树是二叉树中常见的一种类型，也叫二叉搜索树。二叉查找树是为了实现快速查找而生的，但是它不仅仅支持查找操作，也支持快速插入、删除一个数据。

       二叉查找树的特殊结构：二叉查找树要求，在树中的任意一个节点，其左子树的每个节点的值，都要小于这个节点的值，而右子树节点的每个值都要大于这个结点的值。如下图，画了几个二叉查找树进行直观理解。

        

1. 二叉查找树的查找操作

         在二叉查找树中查找一个节点。先取根节点，如果它等于我们要查找的数据，就返回；如果要查找的数据比根节点小，那就在左子树中递归查找，如果要查找的数据比根节点大，那就在右子树中递归查找。

        

2. 二叉查找树的插入操作

       二叉查找树的插入过程类似查找操作。新插入的数据一般都是在叶子节点上，所以只需要从根节点开始遍历。如果要插入的数据比节点的数据大，并且节点的右子树为空，就将新的数据直接插入到右子节点的位置，如果不为空，就再递归遍历右子树；同理，如果要插入的数据比节点数据小，且节点的左子树为空，那么就把数据插入左子节点的位置；如果不为空，就再递归遍历左子树，查找要插入的位置。

        

3. 二叉查找树的删除操作

        二叉查找树的删除操作，比起插入、查找操作要复杂，需要根据要删除节点的子节点个数的不同，来分别处理。

        第一种情况：要删除的节点没有子节点，只需要直接将父节点中，指向要删除节点的指针，设置为指向null，就可以了。比如图中要删除的节点55。

        第二种情况：要删除的节点只有一个子节点，就需要更新父节点中指向要删除节点的指针，要让它指向要删除的节点的子节点就可以。比如图中要删除节点13。

       第三种情况：要删除的节点有两个子节点。需要找到该节点的右子树中最小节点，把它替换到要删除的节点上。然后再删除掉这个最小节点，因为最小节点肯定没有左子节点，所以可以用上面第一、二种情况里面的方法，来删除这个最小节点。比如图中删除节点18。

      

        关于二叉查找树的删除操作，还有一个非常简单、取巧的方法，就是单纯将要删除的结点标记为“已删除”，但并不真正从树种将这个节点去掉。这样原来删除的节点还存储在内存中，比较浪费内存空间。

4.二叉查找树的其他操作

       除了上面插入、查找、删除操作，二叉查找树还支持快速查找最大节点、最小节点、前驱节点和后继节点。中序遍历二叉查找树，可以输出有序的数据序列，时间复杂度是O(n)，非常高效。

 

二、支持重复数据的二叉查找树

       前面的二叉查找树，默认树中存储的都是数字，很多时候，二叉查找树中存储的是一个包含很多字段的对象，我们利用对象的某个字段为键值（key）来构建二叉查找树。我们把对象中的其他字段叫作卫星数据。

       如果存储的两个对象的键值相同，这种情况该怎么处理呢？

       解决方法一：可以通过链表和支持动态扩容的数组等数据结构，把值相同的数据存储在同一个节点上。

       解决方法二：每个节点仍然只存储一个数据。在查找插入位置的时候，如果碰到一个节点的值与要插入的数据的值相同，就把这个要插入的数据放到这个节点的右子树，也就是说把这个新的要插入的值等于节点的数据，当做大于这个节点的值来处理。

       

       当查找数据的时候，遇到值相同的节点，并不是停止查找操作，而是继续在右子树中查找，直到遇到叶子节点，才停止。这样就可以把键值等于要查找的值的所有节点都找出来。

       

     对于删除操作，我们需要先查找每个要删除的节点，然后再按照前面讲的删除操作方法，依次删除。

    

 

三、二叉查找树的时间复杂度分析

         如果是极度不平衡的二叉查找树，就会退化为链表，那么查找的时间复杂度就是O(n)，对于理想的情况下，就是满二叉树或是完全二叉树，不管是插入还是删除查找操作，时间复杂度都是和树的高度成正比，也就是O(height)。

        对于包含n个节点，最大层数为L的完全二叉树，L的范围是[]，完全二叉树的层数小于，也就是说完全二叉树的高度小于。

       我们需要构建一种不管怎么删除、插入数据，在任何时候都能保持左右子树都比较平衡的二叉查找树。平衡的二叉查找树的高度接近logn，所以插入、删除、查找操作的时间复杂度也比较稳定，是O(logn)。

   

四、解答思考题

     面对插入、删除、查找都如此优秀的散列表，为什么还要用二叉树呢？

1.  散列表中的数据是无序存储的，想要输出有序数据，需要先进行排序；而对于二叉查找树，只需要中序遍历，就可以在O(n)的时间复杂度内，输出有序的数据。
2.  散列表扩容比较耗时，当遇到散列冲突，性能不稳定。平衡二叉查找树的性能非常稳定。
3. 散列表的查找操作时间复杂度是常量级的，但因为哈希冲突的存在，这个常量不一定比logn小，所以实际查找速度并不一定比平衡二叉查找树的查找速度快。
4. 散列表的结构比二叉树复杂。