数据结构(python) —— 【27: 二叉搜索树】

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:
二叉搜索树

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

  1. 如果要删除的节点是叶结点: 直接删除
    在这里插入图片描述

  2. 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。
    在这里插入图片描述

  3. 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。
    在这里插入图片描述

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值