二叉查找树的创建及遍历
前言
对于线性表，或者符号表，无论是利用数组实现，还是链表实现，都不能达到比较完美。
基于数组实现的顺序表，查询快(内存连续，通过索引即可查询)，但增删慢(需要大量的数据移动)；基于链表实现，查询慢(每次查询都要从头结点找起)，但增删快(没有数据移动的操作)。
但是，树的特性可以弥补线性表中的不足。顺序表天生查询快，增删慢，可以结合树的特性使其增删加快；链表天生增删快，查询慢，可以结合树的特性使其查询加快。
本文讲解什么是树、什么是二叉树以及树的一些相关术语，并介绍二叉查找树的创建与遍历思路及代码实现。
一、树
树是我们计算机中非常重要的一种数据结构，同时使用树这种数据结构，可以描述现实生活中的很多事物，例如家谱、单位的组织架构、等等。
树是由n（n>=1）个有限结点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。
- 树具有以下特点：
1.每个结点有零个或多个子结点；
2.没有父结点的结点为根结点；
3.每一个非根结点只有一个父结点；
4.每个结点及其后代结点整体上可以看做是一棵树，称为当前结点的父结点的一个子树； - 树的相关术语
结点的度：
一个结点含有的子树的个数称为该结点的度；
叶结点：
度为0的结点称为叶结点，也可以叫做终端结点
分支结点：
度不为0的结点称为分支结点，也可以叫做非终端结点
结点的层次：
从根结点开始，根结点的层次为1，根的直接后继层次为2，以此类推
结点的层序编号：
将树中的结点，按照从上层到下层，同层从左到右的次序排成一个线性序列，把他们编成连续的自然数。
树的度：
树中所有结点的度的最大值
树的高度(深度)：
树中结点的最大层次。
从节点n1到nk的路径： 为节点n1,n2,…，nk的一个序列
路径的长： 为该路径上边的条数，如n1到nk的路径长为k-1
节点ni的深度：从根到ni的唯一路径的长
节点ni的高度： 从节点ni到一片树叶的最长路径的长
森林：
m（m>=0）个互不相交的树的集合，将一颗非空树的根结点删去，树就变成一个森林；给森林增加一个统一的根
结点，森林就变成一棵树
孩子结点：
一个结点的直接后继结点称为该结点的孩子结点
双亲结点(父结点)：
一个结点的直接前驱称为该结点的双亲结点
兄弟结点：
同一双亲结点的孩子结点间互称兄弟结点
二、二叉树
二叉树就是度不超过2的树(每个结点最多有两个子结点)
满二叉树：
一个二叉树，如果每一个层的结点树都达到最大值，则这个二叉树就是满二叉树。
完全二叉树：
叶节点只能出现在最下层和次下层，并且最下面一层的结点都集中在该层最左边的若干位置的二叉树。即每层从左到右依次填满之后，再进行下一层。
三、二叉查找树
二叉查找树是用二叉树这种数据结构进行数据的查找。为了满足查找的需要，提高查找效率，要求二叉查找树每个结点的左子树上的值都小于该结点的值，右子树的值都大于该结点的值。
四、二叉查找树的创建
结点类设计
//二叉树结点
private class Node
{
private Key key; //结点key
private Value value; //结点值
private Node left; //左子树
private Node right; //右子树
public Node(Key key, Value value, Node left, Node right)
{
this.key=key;
this.value=value;
this.right=right;
this.left=left;
}
}
二叉查找树API设计
类名：BinaryTree<Key extends Comparable,Value>
构造方法： BinaryTree()
成员变量：
private Node root;//根节点
private int N; //树中元素的个数
| 成员方法 | 方法说明 |
|---|---|
| public int size() | 获取树中元素的个数 |
| public void put(Key key,Value value) | 向树中插入一个键值对 |
| private Node put(Node x, Key key, Value val) | 给子树x上，添加键一个键值对，并返回添加后的新树 |
| public Value get(Key key) | 根据key，从树中找出对应的值 |
| private Value get(Node x, Key key) | 从子树x中，找出key对应的值 |
| public void delete(Key key) | 根据key，删除树中对应的键值对 |
| private Node delete(Node x, Key key) | 删除子树x上的键为key的键值对，并返回删除后的新树 |
| public Key min() | 获取树中最小键的key |
| public Node min(Node x) | 获取子树x中最小键的节点 |
| public Key max() | 获取树中最大键的key |
| public Node max(Node x) | 获取子树x中最大键的结点 |
| public Queue preOrder() | 使用前序遍历，获取整个树中的所有键 |
| private void preOrder(Node x, Queue queue) | 前序遍历子树x中的所有key，并将key存入队列中 |
| public Queue midOrder() | 使用中序遍历，获取整个树中的所有键 |
| public void midOrder(Node x, Queue queue) | 使用中序遍历，获取子树x中的所有键，并存入队列 |
| public Queue afterOrder() | 使用后序遍历，获取整个树中的所有键 |
| public void afterOrder(Node x, Queue queue) | 使用后序遍历，获取子树x中的所有键，并存入队列 |
| public Queue layerOrder() | 使用层序遍历，获取整个树中的所有键 |
| public int maxDepth() | 计算整棵树的最大深度 |
| private int maxDepth(Node x) | 计算子树x的最大深度 |
插入方法put实现思想：
1.如果当前树中没有任何一个结点，则直接把新结点当做根结点使用
2.如果当前树不为空，则从根结点开始：
2.1如果新结点的key小于当前结点的key，则继续找当前结点的左子结点；
2.2如果新结点的key大于当前结点的key，则继续找当前结点的右子结点；
2.3如果新结点的key等于当前结点的key，则树中已经存在这样的结点，替换该结点的value值即可。
//向树中插入一个键值对
public void put(Key key,Value value)
{
//向root树插入结点
root = put(root, key, value);
}
//给子树x上，添加键一个键值对，并返回添加后的新树
private Node put(Node x, Key key, Value val)
{
//如果树x为null,则将待添加的节点作为x树的根节点，完成真正添加动作
if(x==null)
{
x = new Node(key, val, null, null);
N++;
return x;
}
int compare = key.compareTo(x.key);
//如果key大于x.key，则将结点添加到x的右子树
if(compare>0)
{
x.right = put(x.right, key, val);
}
//如果key小于x.key，则将结点添加到x的左子树
else if(compare<0)
{
x.left = put(x.left,key,val);
}
//如果key等于x.key，则更新x的值
else
{
x.value=val;
}
return x;
}
查询方法get实现思想：
从根节点开始：
1.如果要查询的key小于当前结点的key，则继续找当前结点的左子结点；
2.如果要查询的key大于当前结点的key，则继续找当前结点的右子结点；
3.如果要查询的key等于当前结点的key，则树中返回当前结点的value。
//根据key，从树中找出对应的值
public Value get(Key key)
{
// 从root树找到key的值
return get(root,key);
}
//从子树x中，找出key对应的值
private Value get(Node x, Key key)
{
//x树为null
if(x==null)
return null;
//x树不为null
int compare = key.compareTo(x.key);
//如果key大于x.key，则将结点添加到x的右子树
if(compare>0)
{
return get(x.right,key);
}
//如果key小于x.key，则将结点添加到x的左子树
else if(compare<0)
{
return get(x.left,key);
}
//如果key等于x.key，则找到，完成真正找到动作，返回值即可
else
{
return x.value;
}
}
删除方法delete实现思想：
1.找到被删除结点；
2.找到被删除结点右子树中的最小结点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成为最小结点minNode的右子
树
5.让被删除结点的父节点指向最小结点minNode
//根据key，删除树中对应的键值对
public void delete(Key key)
{
// 删除root树中键为key的结点
root = delete(root,key);
}
//删除子树x上的键为key的键值对，并返回删除后的新树
private Node delete(Node x, Key key)
{
//1.如果x为null
if(x==null)
return null;
//2.如果x不为null,寻找待删除的key在x的左子树还是右子树，或者就是当前结点
int compare = key.compareTo(x.key);
//2.1 如果待删除key小于x.key，则待删除key结点在右子树上，递归删除右子树上该结点
if (compare<0)
{
x.left = delete(x.left,key);
}
//2.2 如果待删除key大于x.key，则待删除key结点在左子树上，递归删除右子树上该结点
else if(compare>0)
{
x.right = delete(x.right,key);
}
//2.3 如果待删除key等于x.key，则待删除key结点就是当前结点，完成真正删除动作
else
{
//让元素个数-1
N--;
// 如果当前结点右子树为null,则左子树即为删除后的新树，返回即可
if (x.right==null)
return x.left;
// 如果当前节点左子树为null,则右子树即为删除后的新树，返回即可
if (x.left==null)
return x.right;
// 找当前结点右子树的最小key值节点
Node minNode=x.right;
while (minNode.left!=null)
{
minNode=minNode.left;
}
//删除当前结点右子树的最小key值节点
Node node = x.right;
while (node.left!=null)
{
if (node.left.left!=null)
{
node=node.left;
}
else
{
//如果当前结点右子树的最小key值节点为叶子节点
if (node.left.right==null)
node.left=null;
//如果当前结点右子树的最小key值结点有右子树，让该右子树成为当前结点右子树的最小key值结点父结点的左子树
else
node.left=node.left.right;
}
}
//让x的左子树成为minNode的左子树
minNode.left=x.left;
//让x的右子树成为minNode的右子树
minNode.right=x.right;
//让x的父结点成为minNode的父节点
x=minNode;
}
return x;
}
获取树中最小键思想
一直向结点左子树查找，直至结点没有左子树，则该结点就是最小键的结点。
//获取树中最小键的key
public Key min()
{
return min(root).key;
}
//获取子树x中最小键的节点
public Node min(Node x)
{
//如果子树x的左子树不为null，则继续查找左子树，否则，查找完成
if(x.left!=null)
return min(x.left);
else
return x;
}
获取树中最大键思想
一直向结点右子树查找，直至结点没有右子树，则该结点就是最大键的结点。
//获取树中最大键的key
public Key max()
{
return max(root).key;
}
//获取子树x中最大键的结点
public Node max(Node x)
{
//判断结点x是否有右结点，若有则继续查找，否则，查找完成
if (x.right!=null)
return max(x.right);
else
return x;
}
计算整棵树的最大深度思想
树的最大深度（树的根节点到最远叶子结点的最长路径上的结点数）
- 实现步骤
1.如果根结点为空，则最大深度为0；
2.计算左子树的最大深度；
3.计算右子树的最大深度；
4.当前树的最大深度=左子树的最大深度和右子树的最大深度中的较大者+1
// 计算整棵树的最大深度
public int maxDepth()
{
return maxDepth(root);
}
//计算子树x的最大深度
private int maxDepth(Node x)
{
//如果结点x为null,则深度为0
if(x==null)
return 0;
int max=0;//子树x的最大深度
int maxL=0;//x左子树的最大深度
int maxR=0;//x右子树的最大深度
//如果左子树存在，则计算左子树的最大深度
if (x.left!=null)
maxL = maxDepth(x.left);
//如果右子树存在，则计算右子树的最大深度
if (x.right!=null)
maxR=maxDepth(x.right);
//比较左子树和右子树的最大深度，取较大的深度+1，即可
max = maxL>maxR?maxL+1:maxR+1;
return max;
}
五、二叉查找树的遍历
很多情况下，我们可能需要像遍历数组数组一样，遍历树，从而拿出树中存储的每一个元素，由于树状结构和线性结构不一样，它没有办法从头开始依次向后遍历，所以存在如何遍历，也就是按照什么样的搜索路径进行遍历的问题。
我们把树简单的画作上图中的样子，由一个根节点、一个左子树、一个右子树组成，那么按照根节点什么时候被访问，我们可以把二叉树的遍历分为以下三种方式：
1.前序遍历；
先访问根结点，然后再访问左子树，最后访问右子树
2.中序遍历；
先访问左子树，中间访问根节点，最后访问右子树
3.后序遍历；
先访问左子树，再访问右子树，最后访问根节点
如果我们分别对下面的树使用三种遍历方式进行遍历，得到的结果如下：
前序遍历思想
1.把当前结点的key放入到队列中;
2.找到当前结点的左子树，如果不为空，递归遍历左子树
3.找到当前结点的右子树，如果不为空，递归遍历右子树
//使用前序遍历，获取整个树中的所有键
public Queue<Key> preOrder()
{
Queue<Key> queue = new Queue<>();
preOrder(root,queue);
return queue;
}
//前序遍历子树x中的所有key，并将key存入队列中
private void preOrder(Node x, Queue<Key> queue)
{
//如果子树x为null，则结束
if (x==null)
return;
//x入队
queue.enqueue(x.key);
//如果存在左子树，则递归遍历左子树
if (x.left!=null)
preOrder(x.left,queue);
//如果存在右子树，则递归遍历右子树
if (x.right!=null)
preOrder(x.right,queue);
}
中序遍历思想
1.找到当前结点的左子树，如果不为空，递归遍历左子树
2.把当前结点的key放入到队列中;
3.找到当前结点的右子树，如果不为空，递归遍历右子树
//使用中序遍历，获取整个树中的所有键
public Queue<Key> midOrder()
{
Queue<Key> queue = new Queue<>();
midOrder(root,queue);
return queue;
}
//使用中序遍历，获取子树x中的所有键，并存入队列
public void midOrder(Node x, Queue<Key> queue)
{
//如果x为null,则结束
if (x==null)
return;
//如果存在左子树，则递归遍历x左子树
if (x.left!=null)
midOrder(x.left,queue);
//x的key入队
queue.enqueue(x.key);
//如果存在右子树，则递归遍历x的右子树
if (x.right!=null)
midOrder(x.right,queue);
}
后序遍历思想
1.找到当前结点的左子树，如果不为空，递归遍历左子树
2.找到当前结点的右子树，如果不为空，递归遍历右子树
3.把当前结点的key放入到队列中;
//使用后序遍历，获取整个树中的所有键
public Queue<Key> afterOrder()
{
Queue<Key> queue = new Queue<>();
afterOrder(root,queue);
return queue;
}
//使用后序遍历，获取子树x中的所有键，并存入队列
public void afterOrder(Node x, Queue<Key> queue)
{
//如果x为null，则结束
if (x==null)
return;
//如果x存在左子树，则递归遍历左子树
if (x.left!=null)
afterOrder(x.left,queue);
//如果x存在右子树，则递归遍历右子树
if (x.right!=null)
afterOrder(x.right,queue);
//x的key入队
queue.enqueue(x.key);
}
层序遍历思想
所谓的层序遍历，就是从根节点（第一层）开始，依次向下，获取每一层所有结点的值，有二叉树如下：
那么层序遍历的结果是：EBGADFHC
- 实现步骤
1.创建队列，存储每一层的结点；
2.使用循环从队列中弹出一个结点：
2.1获取当前结点的key；
2.2如果当前结点的左子结点不为空，则把左子结点放入到队列中
2.3如果当前结点的右子结点不为空，则把右子结点放入到队列中
//使用层序遍历，获取整个树中的所有键
public Queue<Key> layerOrder()
{
//定义两个队列，一个存储key，一个存储结点
Queue<Key> keys = new Queue<>();
Queue<Node> nodes = new Queue<>();
//将根结点入队nodes
nodes.enqueue(root);
//循环层序遍历，循环终止条件是结点队列中的元素为空
while (!nodes.isempty())
{
//队列nodes进行弹出结点，并将弹出结点的键存入keys队列
Node node = nodes.dequeue();
keys.enqueue(node.key);
//弹出结点如果有左子结点，则放入nodes中
if (node.left!=null)
nodes.enqueue(node.left);
//弹出结点如果有右子结点，则放入nodes中
if (node.right!=null)
nodes.enqueue(node.right);
}
return keys;
}
2427
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
