Python数据结构与算法---二叉树

1. 树

1.1 树的概念

树（英语：tree）是一种抽象数据类型（ADT）或是实作这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。它是由n（n>=1）个有限节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。

特点：

1. 每个节点有零个或多个子节点；
2. 没有父节点的节点称为根节点；
3. 每一个非根节点有且只有一个父节点；
4. 除了根节点外，每个子节点可以分为多个不相交的子树。

“树”这种数据结构真的很像我们现实生活中的“树”，这里面每个元素我们叫作“节点”；用来连线相邻节点之间的关系，我们叫作“父子关系”。

高度（Height）、深度（Depth）、层（Level）：
节点的高度：节点到叶子节点的最长路径
节点的深度：根节点到这个节点所经历的边的个数
节点的层数：节点的深度+1
树的高度：根节点的高度

1.2 树的种类

无序树：树中任意节点的子节点之间没有顺序关系，这种树称为无序树，也称为自由树；

有序树：树中任意节点的子节点之间有顺序关系，这种树称为有序树；

• 二叉树：每个节点最多含有两个子树的树称为二叉树；

  • 完全二叉树：对于一颗二叉树，假设其深度为d(d>1)。除了第d层外，其它各层的节点数目均已达最大值，且第d层所有节点从左向右连续地紧密排列，这样的二叉树被称为完全二叉树，其中满二叉树的定义是所有叶节点都在最底层的完全二叉树;

  • 平衡二叉树（AVL树）：当且仅当任何节点的两棵子树的高度差不大于1的二叉树；

  • 排序二叉树（二叉查找树（英语：Binary Search Tree）：也称二叉搜索树、有序二叉树）；

霍夫曼树（用于信息编码）：带权路径最短的二叉树称为哈夫曼树或最优二叉树；

B树：一种对读写操作进行优化的自平衡的二叉查找树，能够保持数据有序，拥有多余两个子树。

1.3 二叉树

二叉树，顾名思义，每个节点最多有两个“叉”，也就是两个子节点，分别是左子节点和右子节点。不过，二叉树并不要求每个节点都有两个子节点，有的节点只有左子节点，有的节点只有右子节点。

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，这种二叉树就叫作满二叉树。

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，这种二叉树叫作完全二叉树。

1.4 树的存储与表示

顺序存储：将数据结构存储在固定的数组中，然在遍历速度上有一定的优势，但因所占空间比较大，是非主流二叉树。二叉树通常以链式存储。

链式存储：每个节点有三个字段，其中一个存储数据，另外两个是指向左右子节点的指针。我们只要拎住根节点，就可以通过左右子节点的指针，把整棵树都串起来。这种存储方式我们比较常用。大部分二叉树代码都是通过这种结构来实现的。

1.5 常见的一些树的应用场景

1. xml，html等，那么编写这些东西的解析器的时候，不可避免用到树
2. 路由协议就是使用了树的算法
3. mysql数据库索引
4. 文件系统的目录结构
5. 很多经典的AI算法其实都是树搜索，此外机器学习中的decision tree也是树结构

2. 二叉树的实现与遍历

2.1 二叉树的节点表示以及树的创建

通过使用Node类中定义三个属性，分别为item本身的值，还有litem和ritem

class Node(object):
    def __init__(self, item, litem=None, ritem=None):
        self.item = item
        self.litem = litem
        self.ritem = ritem

树的创建,创建一个树的类，并给一个root根节点，一开始为空，随后添加节点

class Tree(object):
    """树类"""

    def __init__(self, root=None):
        self.root = root

    def add(self, elem):
        """为树添加节点"""
        node = Node(elem)
        # 如果树是空的，则对根节点赋值
        if self.root == None:
            self.root = node
        else:
            queue = []
            queue.append(self.root)
            # 对已有的节点进行层次遍历
            while queue:
                # 弹出队列的第一个元素
                cur = queue.pop(0)
                if cur.litem == None:
                    cur.litem = node
                    return
                elif cur.ritem == None:
                    cur.ritem = node
                    return
                else:
                    # 如果左右子树都不为空，加入队列继续判断
                    queue.append(cur.litem)
                    queue.append(cur.ritem)

2.2 二叉树的遍历

树的遍历是树的一种重要的运算。所谓遍历是指对树中所有结点的信息的访问，即依次对树中每个结点访问一次且仅访问一次，我们把这种对所有节点的访问称为遍历（traversal）。那么树的两种重要的遍历模式是深度优先遍历和广度优先遍历,深度优先一般用递归，广度优先一般用队列。一般情况下能用递归实现的算法大部分也能用堆栈来实现。

深度优先遍历：

• 对于一颗二叉树，深度优先搜索(Depth First Search)是沿着树的深度遍历树的节点，尽可能深的搜索树的分支。

• 那么深度遍历有重要的三种方法。这三种方式常被用于访问树的节点，它们之间的不同在于访问每个节点的次序不同。这三种遍历分别叫做先序遍历（preorder），中序遍历（inorder）和后序遍历（postorder）。

• 先序遍历：在先序遍历中，我们先访问根节点，然后递归使用先序遍历访问左子树，再递归使用先序遍历访问右子树。根节点->左子树->右子树

def preorder(self, node):
    """递归实现先序遍历"""
    if node == None:
        return
    print(node.item, end=" ")
    self.preorder(node.litem)
    self.preorder(node.ritem)

• 中序遍历：在中序遍历中，我们递归使用中序遍历访问左子树，然后访问根节点，最后再递归使用中序遍历访问右子树。左子树->根节点->右子树

def inorder(self, node):
    """递归实中序遍历"""
    if node == None:
        return
    self.inorder(node.litem)
    print(node.item, end=" ")
    self.inorder(node.ritem)

• 后序遍历：在后序遍历中，我们先递归使用后序遍历访问左子树和右子树，最后访问根节点。左子树->右子树->根节点

def postorder(self, node):
    """递归实现后序遍历"""
    if node == None:
        return
    self.postorder(node.litem)
    self.postorder(node.ritem)
    print(node.item, end=" ")

广度优先遍历(层次遍历)：
从树的root开始，从上到下从从左到右遍历整个树的节点

def breadth_travel(self):
    """利用队列实现树的层次遍历"""
    if self.root == None:
        return
    queue = []
    queue.append(self.root)
    while queue:
        node = queue.pop(0)
        print(node.item)

        if node.litem != None:
            queue.append(node.litem)
        if node.ritem != None:
            queue.append(node.ritem)

3. 小结

其实这节课过后，我没怎么仔细的琢磨这个二叉树，上课虽然是听懂了，但现在感觉并不是太懂，在次之后我还要时不时的把课件拿出来看一看，复习复习，再把那些代码敲一遍，不然根本就不会牢牢的掌握的。