数据结构与算法：23 | 二叉树基础（上）：什么样的二叉树适合用数组来存储？

树是非线性表结构。

树（Tree）

树”这种数据结构很像现实生活中的“树”，每个元素叫做“节点”；用来连接相邻节点之间的关系，叫做“父子关系”。

比如下面这幅图:

• A 节点就是 B 节点的父节点，B 节点是 A 节点的子节点
• B、C、D 这三个节点的父节点是同一个节点，所以它们之间互称为兄弟节点
• 没有父节点的节点叫做根节点，也就是图中的节点 E
• 没有子节点的节点叫做叶节点，比如 G、H、I、J、K、L

关于“树”，还有三个比较相似的概念：高度（Height）、深度（Depth）、层（Level）：

LeetCode第 104 题：二叉树的最大深度(C++)_qq_32523711的博客-CSDN博客

二叉树（Binary Tree）

二叉树，顾名思义，每个节点最多有两个子节点，分别是左子节点和右子节点。

编号 2 的二叉树中，叶子节点全都在最底层，除了叶子节点之外，每个节点都有左右两个子节点，这种二叉树就叫做满二叉树。

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，其他层的节点个数都要达到最大，这种二叉树叫做完全二叉树。

为什么特意把它拎出来讲呢？为什么偏偏把最后一层的叶子节点靠左排列的叫完全二叉树？如果靠右排列就不能叫完全二叉树了吗？这个定义的由来或者说目的在哪里？

要理解完全二叉树定义的由来，需要先了解，如何表示（或者存储）一棵二叉树？

有两种方法，一种是基于指针或者引用的二叉链式存储法，一种是于数组的顺序存储法。

链式存储法

顺序存储法

把根节点存储在下标 i = 1 的位置，左子节点存储在下标 2 * i = 2 的位置，右子节点存储在 2 * i + 1 = 3 的位置。以此类推，B 节点的左子节点存储在 2 * i = 2 * 2 = 4 的位置，右子节点存储在 2 * i + 1 = 2 * 2 + 1 = 5 的位置。

总结一下，如果节点 X 存储在数组中下标为 i 的位置，下标为 2 * i 的位置存储的就是左子节点，下标为 2 * i + 1 的位置存储的就是右子节点。反过来，下标为 i/2 的位置存储就是它的父节点。

通过这种方式，只要知道根节点存储的位置（一般情况下，为了方便计算子节点，根节点会存储在下标为 1 的位置），这样就可以通过下标计算，把整棵树都串起来。

不过，刚刚举的例子是一棵完全二叉树，仅仅“浪费”了一个下标为 0 的存储位置。如果是非完全二叉树，其实会浪费比较多的数组存储空间。可以看下面这个例子。

所以，如果某棵二叉树是一棵完全二叉树，那用数组存储无疑是最节省内存的一种方式。因为数组的存储方式并不需要像链式存储法那样，要存储额外的左右子节点的指针。这也是为什么完全二叉树会单独拎出来的原因，也是为什么完全二叉树要求最后一层的子节点都靠左的原因。

当我们讲到堆和堆排序的时候，你会发现，堆其实就是一种完全二叉树，最常用的存储方式就是数组。

二叉树的遍历

经典的方法有三种，前序遍历、中序遍历和后序遍历。其中，前、中、后序，表示的是节点与它的左右子树节点遍历打印的先后顺序。

• 前序遍历是指，对于树中的任意节点来说，先打印这个节点，然后再打印它的左子树，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，然后再打印它本身，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，然后再打印它的右子树，最后打印这个节点本身

实际上，二叉树的前、中、后序遍历就是一个递归的过程。比如，前序遍历，其实就是先打印根节点，然后再递归地打印左子树，最后递归地打印右子树。

前序遍历的递推公式：
preOrder(r) = print r->preOrder(r->left)->preOrder(r->right)

中序遍历的递推公式：
inOrder(r) = inOrder(r->left)->print r->inOrder(r->right)

后序遍历的递推公式：
postOrder(r) = postOrder(r->left)->postOrder(r->right)->print r

void preOrder(Node* root) {
  if (root == null) return;
  print root // 此处为伪代码，表示打印root节点
  preOrder(root->left);
  preOrder(root->right);
}

void inOrder(Node* root) {
  if (root == null) return;
  inOrder(root->left);
  print root // 此处为伪代码，表示打印root节点
  inOrder(root->right);
}

void postOrder(Node* root) {
  if (root == null) return;
  postOrder(root->left);
  postOrder(root->right);
  print root // 此处为伪代码，表示打印root节点
}

二叉树遍历的时间复杂度：

前面画的前、中、后序遍历的顺序图可以看出，每个节点最多会被访问两次，所以遍历操作的时间复杂度，跟节点的个数 n 成正比，也就是说二叉树遍历的时间复杂度是 O(n)。

课后思考

我们讲了三种二叉树的遍历方式，前、中、后序。实际上，还有另外一种遍历方式，也就是按层遍历，你知道如何实现吗？

BFS(利用队列):

class Solution {
public:
    int maxDepth(TreeNode* root) {
        int max_dep = 0;
        queue<pair<TreeNode*, int>> q;
        q.push({root, 1});
        while(!q.empty()){
            auto cur_node = q.front().first;
            auto cur_dep = q.front().second;
            q.pop();
            if(cur_node){
                max_dep = max(max_dep, cur_dep);
                q.push({cur_node->left, cur_dep+1}); // 先左
                q.push({cur_node->right, cur_dep+1}); //后右
            }
        }
    return max_dep;
    }
};