树是计算机科学中经常用到的一种数据结构。树是一种非线性的数据结构,以分层的方式存储数据。
树被用来存储具有层级关系的数据,比如文件系统中的文件。
树还可以用来存储有序列表。
树的定义
树是由一组以边连接的节点组成。公司的组织结构图就是一个树的例子。
组织结构图就是一种树
一棵树最上面的节点成为根节点。如果一个节点下面连接着多个节点,那么该节点称为父节点,它下面的节点称为子节点。一个节点可以有0个,1个或者多个子节点。没有任何子节点的节点称为叶子节点。下图展示了一些树的术语。
沿着一组特定的边,可以从一个节点走到另外一个与它不直接相连的节点。从一个节点到另一个节点的这一组边称为路径。以特定的顺序访问树中所有的节点称为树的遍历。
树可以分为几个层次,根节点是第0层,它的子节点是第1层,子节点的子节点是第2层,以此类推。树中任何一层的节点都可以看成是子树的根,该子树包含根节点的子节点,子节点的子节点等。我们定义树的层数就是树的深度。
节点的高度:节点到叶子节点的最长路径(边树)。
节点的深度:根节点到这个节点所经历的边的个数。
节点的层数:节点的深度+1。
节点的高度:根节点的高度。
下面举个例子来看:
每一个节点都有一个与之关联的值,该值有时被称为键。
二叉树是一种特殊的树。它的子节点不超过2个。二叉树具有一些特殊的计算性质,使得在它之上的一些操作异常高效。
二叉树和二叉查找树
一个父节点的两个子节点分别称为左节点和右节点。左节点包含一组特定的值,右节点包含一组特定的值。
下图展示了一颗二叉树:
当考虑某种特殊的二叉树,比如二叉查找树时,确定子节点非常重要。二叉查找树是一种特殊的二叉树,相对较小的值保存在左节点中,较大的值保存在右节点中。这一特性使得查找的效率很高,对于数值和非数值的数据,比如单词和字符串,也是如此。
我们来看下图中的树:
编号2的二叉树中,叶子节点全在最底层,除了叶子节点以外的每个节点都有左右两个子节点,这种二叉树叫做满二叉树。
编号3的二叉树中,叶子节点都在最底下两层,最后一层的叶子节点都靠左排列,并且除了最后一层,其它层的节点个数都达到最大,这种二叉树叫做完全二叉树。
实现二叉查找树(BST)
定义 Node 对象。
function node(data, left, right) {
this.data = data;
this.left = left;
this.right = right;
this.show = show;
function show() {
return this.data;
}
}
现在可以创建一个 BST 类来表示二叉查找树。我们让类只包含一个数据成员:一个表示二叉查找树根节点的 Node 对象。该类的构造函数将根节点初始化为 null ,以此创建一个空节点。
BST 首先要有一个 insert() 方法,用来向树中插入新节点。首先要创建一个 Node 对象,将数据传入该对象保存。
其次,检查 BST 是否有根节点,如果没有,则这是棵新树,该节点就是根节点,这个方法到此也就结束了;否则,进入下一步。
如果待插入节点不是根节点,那么就准备遍历 BST ,找到插入的适当位置。该过程类似遍历链表。用一个节点保存当前节点,一层层地遍历 BST 。
进入 BST 以后,下一步就需要确定将该节点放在什么位置。找到正确的插入点时,会跳出循环。
查找正确的插入点的算法如下:
- 设根节点为当前节点;
- 如果待插入的节点小于当前节点,则设新的当前节点为原节点的左节点;反之,执行第四步;
- 如果当前节点的左节点为 null ,就将新的节点插入这个位置,退出循环;反之,继续执行下一次循环;
- 设新的当前节点为原节点的右节点;
- 如果当前节点的右节点为 null ,就将新的节点插入该位置,退出循环;反之,继续执行下一次循环。
function BST() {
this.root = null;
this.insert = insert;
function insert(data) {
var n = new Node(data, null, null);
if(this.root == null) {
this.root = n;
}else {
var currentNode = this.root;
var parent;
while(true) {
parent = currentNode;
if(data < currentNode.data) {
currentNode = currentNode.left;
if(currentNode == null) {
parent.left = n;
break;
}
}else {
currentNode = currentNode.right;
if(currentNode.data == null) {
parent.right = n;
break;
}
}
}
}
}
}
另外一个写法,其实思路是一样的,但是上面的稍微简洁一些。(代码思路来自王争老师的《数据结构与算法之美 》)
function insert(data) {
var node = new Node(data, null, null);
if(this.root == null) {
this.root = node;
}else {
p = this.root;
while(p !== null) {
if(data < p.data) {
if(p.left == null) {
p.left = node;
return;
}
p = p.left;
}else {
if(p.right == null) {
p.right = node;
return;
}
p = p.right;
}
}
}
}
遍历二叉查找树
有三种遍历二叉树的方法:中序、先序、后序。
中序遍历按照节点上的键值,以升序访问 BST 上的所有节点。
先序遍历先访问根节点,然后以同样的方式访问左子树和右子树。
后序遍历先访问叶子节点,从左子树到右子树,再到根节点。
先序遍历是指,对于树中的任意节点来说,先打印这个节点,然后在打印它的左子树,最后打印它的右子树。
中序遍历是指,对于树中的任意节点来说,先打印它的左子树,然后打印它自己,最后打印它的右子树。
后序遍历是指,对于树中的任意节点来说,先打印它的左子树,然后打印它的右子树,最后打印它自己。
中序遍历的代码如下:
function inOrder(node) {
if(!(node == null)) {
this.inOrder(node.left);
console.log(node.show());
this.inOrder(node.right);
}
}
var bst = new BST();
bst.insert(17)
bst.insert(19)
bst.insert(16)
bst.insert(34)
bst.insert(35)
bst.insert(36)
bst.inOrder(bst.root); // 16 17 19 34 35 36
下图展示中序遍历的访问路径:
先序遍历的代码如下:
function perOrder(node) {
if(!(node == null)) {
console.log(node.show());
this.perOrder(node.left);
this.perOrder(node.right);
}
}
var bst = new BST();
bst.insert(17)
bst.insert(19)
bst.insert(16)
bst.insert(34)
bst.insert(35)
bst.insert(36)
console.log('先序遍历');
bst.perOrder(bst.root); // 17 16 19 34 35 36
下图展示先序遍历的访问路径:
后序遍历的代码:
var bst = new BST();
bst.insert(17)
bst.insert(19)
bst.insert(16)
bst.insert(34)
bst.insert(35)
bst.insert(36)
console.log('后序遍历');
bst.postOrder(bst.root); // 16 36 35 34 19 17
下图展示后序遍历的访问路径:
在二叉树上进行查找
对 BST 通常有以下三种类型的查找:
- 查找给定值
- 查找最大值
- 查找最小值
查找最小值和最大值
因为较小的值总在左节点上,在 BST 上查找最小值,只需要遍历左子树,知道找到最后一个节点即可。
function getMin() {
let currentNode = this.root;
while(currentNode.left != null) {
currentNode = currentNode.left;
}
return currentNode.data;
}
在BST 上查找最大值,只需要遍历右子树,知道找到最后一个节点即可。
function getMax() {
let currentNode = this.root;
while(currentNode.right != null) {
currentNode = currentNode.right;
}
return currentNode.data;
}
查找给定值
在 BST 上查找给定的值,需要比较该值和当前节点值的大小。通过比较,就能确定如果给定值不在当前节点上,该向左遍历还是向右遍历。
function find(data) {
var currentNode = this.root;
while(currentNode != null) {
if(currentNode.data == data) {
return currentNode;
}else if(currentNode.data < data) {
currentNode = currentNode.right;
}else {
currentNode = currentNode.left;
}
}
return null;
}
如果找到给定值,该方法返回保存该值的方法;如果没找到,该方法返回 null。
从二叉树上删除节点
从 BST 上删除节点的操作最复杂,其复杂程度取决于删除哪个节点。如果删除没有子节点的节点,那么非常简单。如果节点只有一个子节点,就变得稍微复杂了。如果节点有两个子节点,是最复杂的。
分三种情况来处理:
- 如果要删除的节点没有子节点,我们只需要将父节点中,指向要删除的节点的指针置为 null。比如图中删除节点55。
- 如果要删除的节点只有一个子节点(左子节点或者右子节点),我们只需要更新父节点中,指向要删除节点的指针,让它指向要删除节点的子节点就可以了。比如图中删除节点13。
- 如果要删除的节点有两个子节点,我们需要找到这个节点右子树中的最小节点,把它替换到要删除节点上,然后再删除这个最小节点,因为最小节点中肯定没有左子节点,我们可以用这两个规则来进行删除操作,比如图中删除节点18。
function deleteNode(data) {
var p = this.root; // p指向删除的节点,初始化为根节点
var pp = null; // pp记录P的父节点
while(p != null && p.data != data) {
pp = p;
if(data > p.data) {
p = p.right;
}else {
p = p.left;
}
}
if(p == null) return; // 没有找到
if(p.left != null && p.right != null) { // 要删除的节点有两个子节点
// 查找右子树中的最小节点
var minP = p.right;
var minPP = p; // minPP表示minP的父节点
while(minP.left != null) {
pnode = minP;
minP = p.left;
}
p.data = minP.data; // 将minP的数据替换到p中
p = minP; //下面就变成删除minP了
pp = minP;
}
// 删除节点是叶子节点或者只有一个子节点
var childNode = null;
if(p.left != null) {
childNode = p.left;
}else if(p.right != null) {
childNode = p.right;
}else {
chiildNode = null;
}
if(pp == null) {
p = chiildNode; // 删除的是根节点
}else if(pp.left == p) {
pp.left = childNode;
}else {
pp.right = childNode;
}
}
实际上,关于二叉树的删除操作,还有个非常简单、取巧的方法,就是单纯地将已删除的节点标记为“已删除”,但并不是真正的删除。这样原本要删除的元素还存储在内存中,比较浪费内存空间,但是删除操作简单了很多,也没有增加插入和查找的代码实现的难度。
其他
二叉查找树还有一个重要的特性,就是中序遍历二叉查找树,可以输入有序的数据序列,时间复杂度是O(n),非常高效。因此二叉查找树也被叫做二叉排序树。