二叉搜索树
1. 概念
二叉搜索树是一颗二叉树且满足性质:
设x是二叉树的一个节点。如果y是x左子树的一个节点,那么y.key≤x.key; 如果y是x右子树的一个节点,那么y.key≥x.key。二叉搜索树任一节点的左边都比较它小,右边都比它大
例:
2. 操作
二叉搜索树的操作:查询、插入、删除,
二叉搜索树——删除操作
-
如果要删除的节点是叶结点: 直接删除
-
要删除的节点只有一个孩子: 将此节点的父亲与孩子连接,然后删除该节点。
-
如果要删除的节点有两个孩子:将其右子树的最小节点(该节点最多有一个右孩子)删除,并替换当前节点。
3. 代码:
'''
TOPIC: 二叉搜索树: 插入
author: Blue
time: 2020-08-16
QQ: 2458682080
'''
class BiTreeNode:
def __init__(self, data):
self.data = data
self.lchild = None
self.rchild = None
self.parent = None
class BST:
def __init__(self, li=None):
self.root = None
if li:
for val in li:
self.insert_no_rec(val)
# 利用递归插入
def insert(self, node, val):
if not node:
node = BiTreeNode(val)
elif val < node.data:
node.lchild = self.insert(node.lchild, val)
node.lchild.parent = node
elif val > node.data:
node.rchild = self.insert(node.rchild, val)
node.rchild.parent = node
return node
# 利用非递归插入
def insert_no_rec(self, val):
p = self.root # p代表当前点
if not p: # 空树
self.root = BiTreeNode(val)
return
while True:
if val < p.data:
if p.lchild: # 如果p存在左孩子
p = p.lchild
else: # 如果p不存在左孩子
p.lchild = BiTreeNode(val)
p.lchild.parent = p
return
elif val > p.data:
if p.rchild:
p = p.rchild
else:
p.rchild = BiTreeNode(val)
p.rchild.parent = p
return
else:
return
# 用递归查询
def query(self, node, val):
if not node:
return None
if node.data < val: # 当前点的值<要查找的值,就往当前点的右子树找
return self.query(node.rchild, val)
elif node.data > val: # 当前点的值>要查找的值,就往当前点的左子树找
return self.query(node.lchild, val)
else:
return node
# 不用递归查询
def query_no_rec(self, val):
p = self.root # p代表当前点
while p:
if p.data < val:
p = p.rchild
elif p.data > val:
p = p.lchild
else:
return p
return None
# 情况1: node是叶子节点
def __remove_node_1(self, node):
if not node.parent: # 如果这个节点是根
self.root = None
if node == node.parent.lchild: # 如果node是它父亲的左孩子
node.parent.lchild = None
else:
node.parent.rchild = None
# 情况2.1: node只有一个左孩子
def __remove_node_21(self, node):
if not node.parent: # 根结点
self.root = node.lchild
node.lchild.parent = None
elif node == node.parent.lchild: # node是它父亲的左孩子
node.parent.lchild = node.lchild # node删掉,node的左孩子给node的父亲作为左孩子
node.lchild.parent = node.parent
else:
node.parent.rchild = node.lchild
node.lchild.parent = node.parent
# 情况2.2: node只有一个右孩子
def __remove_node_22(self, node):
if not node.parent:
self.root = node.rchild
elif node == node.parent.lchild: # node是它父亲的左孩子
node.parent.lchild = node.rchild
node.rchild.parent = node.parent
else:
node.parent.rchild = node.rchild
node.rchild.parent = node.parent
# 删除
def delete(self, val):
if self.root: # 不是空树
node = self.query_no_rec(val)
if not node: # node不存在
return False
# 情况1: node是叶结点
if not node.lchild and not node.rchild:
self.__remove_node_1(node)
# 情况2.1: 只有左孩子
elif not node.rchild:
self.__remove_node_21(node)
# 情况2.2: 只有右孩子
elif not node.lchild:
self.__remove_node_22(node)
# 情况3: 两个孩子都有
else:
min_node = node.rchild
# 找到右子树的最小节点
while min_node.lchild:
min_node = min_node.lchild
node.data = min_node.data
# 删除min_node,这里min)node只有两种情况,要么是叶结点,要么就是只有右孩子
if min_node.rchild:
self.__remove_node_22(min_node)
else:
self.__remove_node_1(min_node)
# 前序遍历(先递归左子树,再递归右子树)
def pre_order(self, root):
if root:
print(root.data, end=",")
self.pre_order(root.lchild)
self.pre_order(root.rchild)
# 中序遍历(先递归左子树,再访问自己,再递归右子树)
def in_order(self, root):
if root:
self.in_order(root.lchild)
print(root.data, end=",")
self.in_order(root.rchild)
# 后续遍历(先递归左,后递归有,最后打印自己)
def post_order(self, root):
if root:
self.post_order(root.lchild)
self.post_order(root.rchild)
print(root.data, end=",")
import random
# li = list(range(500))
# random.shuffle(li)
# tree = BST(li)
# tree.pre_order(tree.root)
# print("")
# tree.in_order(tree.root) # 将列表从小到大输出
# print("")
# tree.post_order(tree.root)
# print("")
# li2 = list(range(0, 500, 2))
# random.shuffle(li2)
# tree = BST(li2)
# print(tree.query_no_rec(3))
tree = BST([1, 4, 2, 5, 3, 8, 6, 9, 7])
tree.in_order(tree.root)
print("")
tree.delete(4)
tree.delete(1)
tree.delete(8)
tree.in_order(tree.root)
结果为:
1,2,3,4,5,6,7,8,9,
2,3,5,6,7,9,
4. 效率
二叉搜索树的效率:
平均情况下,二叉搜索树进行搜索的时间复杂度为O(lgn)。
最坏情况下,二叉搜索树可能非常偏斜。
解决方案: 随机化插入、AVL树