刷Leetcode时遇到一种经典数据结构--树,树是典型递归思想来的,学习树有助于学习递归思想以及栈、队列(后续细说),本文对树的结构、遍历算法以及Python实现做总结,以供复习拓展
树是连通的无环图,最常利用的有二叉树,即一个节点最多只有两个子节点,称为左子树和右子树。但是树都是相通的,无论是二叉树或者多个节点的树都能一般能用递归方法进行求解。二叉树节点之间的顺序一般不可调换,在数据结构定义时,左是左,右是右,不会说节点1,节点2。二叉排序树又叫二叉查找树或者二叉搜索树:1)若左子树不空,则左子树上所有结点的值均小于它的根节点的值;2)若右子树不空,则右子树上所有结点的值均大于它的根结点的值;3)左、右子树也分别为二叉排序树;4)没有键值相等的节点
以上是枯燥的概念。
接下来就是重点了,各种遍历(后面有Python代码实现,可用其测试各种类型树的各种遍历):
前序遍历,根-->左子树-->右子树
中序遍历,左子树-->根-->右子树
后序遍历,左子树-->右子树-->根
前序/后序+中序能够确定一个完整的树结构,因为前序/后序的根在第一位/最后一位,这样在中序中找到对应的根节点,以此递归,具体的题见leetCode105、106
广度优先遍历(Breadth FirstSearch,BFS,实际上就是逐层查找,又叫层次遍历,宽度优先搜索或横向优先搜索)
深度优先遍历(Depth First Search,DFS,主要有三种子方法,前中后序遍历)
举几个例子一目了然,因为深度优先遍历就是前中后序就不再说明了:
前序遍历 | [1, 2, 4, 5, 3, 6, 7, 8] | |
中序遍历 | [4, 2, 5, 1, 7, 6, 8, 3] | |
后序遍历 | [4, 5, 2, 7, 8, 6, 3, 1] | |
广度优先 | [1, 2, 3, 4, 5, 6, 7, 8] |
前序遍历 | [1, 2, 4, 5, 7, 3, 6, 8] | |
中序遍历 | [4, 2, 5, 7, 1, 3, 8, 6] | |
后序遍历 | [4, 7, 5, 2, 8, 6, 3, 1] | |
广度优先 | [1, 2, 3, 4, 5, 6, 7, 8] |
前序遍历 | [1, 2, 4, 5, 8, 3, 6, 7] | |
中序遍历 | [4, 2, 5, 8, 1, 6, 3, 7] | |
后序遍历 | [4, 8, 5, 2, 6, 7, 3, 1] | |
广度优先 | [1, 2, 3, 4, 5, 6, 7, 8] |
对于前中后序遍历或者说深度优先遍历来讲,递归实现非常简单,详细可见代码,但是如果非递归实现,则考虑用栈,先进后出。没有用代码实现,lazy。
对于层次遍历,用队列实现就比较简单,用一个List记录每一行的节点,在循环调用,详细见代码(PS:栈和队列在python中都用list实现即可,栈的取用方式为逆序,pop(-1),队列使用正序取用)
但是DFS、BFS不止用于树结构,这是一种思想,一个横向发散,一个纵向发散,是解决很多算法问题的思路
class TreeNode:
def __init__(self, x):
self.val = x
self.left = None
self.right = None
class Solution:
# 前序遍历,lis是传入的list型参数,为了递归得到一个遍历List结果
def preorder(self, tree, lis):
lis.append(tree.val)
if tree.left:
self.preorder(tree.left,lis)
if tree.right:
self.preorder(tree.right,lis)
return lis
# 中序遍历,lis是传入的list型参数,为了递归得到一个遍历List结果
def infix_order(self,tree, lis):
if tree.left:
self.infix_order(tree.left, lis)
lis.append(tree.val)
if tree.right:
self.infix_order(tree.right, lis)
return lis
# 后序遍历,lis是传入的list型参数,为了递归得到一个遍历List结果
def epilogue(self, tree, lis):
if tree.left:
self.epilogue(tree.left, lis)
if tree.right:
self.epilogue(tree.right, lis)
lis.append(tree.val)
return lis
# 广度优先遍历,层次遍历,lis是传入的list型参数,为了递归得到一个遍历List结果
def BFS(self, tree):
ans = []
q1 = [tree]
while q1:
q2 = [] # q2 是q1 层的孩子,下一次循环的时候用它
for item in q1:
if item:
ans.append(item.val)
q2.append(item.left)
q2.append(item.right)
q1 = q2
return ans
# 定义一个树,这棵树是上述第三个例子
n1=TreeNode(1)
n2=TreeNode(2)
n3=TreeNode(3)
n4=TreeNode(4)
n5=TreeNode(5)
n6=TreeNode(6)
n7=TreeNode(7)
n8=TreeNode(8)
n1.right=n3
n1.left=n2
n2.right=n5
n2.left=n4
n3.left=n6
n3.right=n7
n5.right=n8
# 运行各种遍历
s = Solution()
print("前序遍历结果为:",str(s.preorder(n1,[])))
print("中序遍历结果为:",str(s.infix_order(n1,[])))
print("后序遍历结果为:",str(s.epilogue(n1,[])))
print("BFS结果为:",str(s.BFS(n1)))
运行结果,这是上述第三个例子: