数据结构——详细讲解二叉树知识点

1.树概念及结构

1.1 树的相关概念

在这里插入图片描述

节点的度:一个节点含有的子树的个数称为该节点的度; 如上图:A的为6
叶节点或终端节点:度为0的节点称为叶节点; 如上图:B、C、H、I…等节点为叶节点
非终端节点或分支节点:度不为0的节点; 如上图:D、E、F、G…等节点为分支节点
双亲节点或父节点:若一个节点含有子节点,则这个节点称为其子节点的父节点; 如上图:A是B的父节点
孩子节点或子节点:一个节点含有的子树的根节点称为该节点的子节点; 如上图:B是A的孩子节点
兄弟节点:具有相同父节点的节点互称为兄弟节点; 如上图:B、C是兄弟节点
树的度:一棵树中,最大的节点的度称为树的度; 如上图:树的度为6
节点的层次:从根开始定义起,根为第1层,根的子节点为第2层,以此类推;
树的高度或深度:树中节点的最大层次; 如上图:树的高度为4
堂兄弟节点:双亲在同一层的节点互为堂兄弟;如上图:H、I互为兄弟节点
节点的祖先:从根到该节点所经分支上的所有节点;如上图:A是所有节点的祖先
子孙:以某节点为根的子树中任一节点都称为该节点的子孙。如上图:所有节点都是A的子孙
森林:由m(m>0)棵互不相交的树的集合称为森林;

这些概念我们还是有必要了解一下的。有的题会用概念来考你。
比如:
一颗完全二叉树有1001个结点,其叶子结点的个数是( )
如果你不知道什么是叶节点你就不会做

1.2 树的表示

树结构相对线性表就比较复杂了,要存储表示起来就比较麻烦了,既然保存值域,也要保存结点和结点之间的关系,实际中树有很多种表示方式如:双亲表示法,孩子表示法、孩子双亲表示法以及孩子兄弟表示法等。我们这里就简单的了解其中最常用的孩子兄弟表示法。

typedef int DataType;
struct Node
{
	struct Node* _firstChild1; // 第一个孩子结点
	struct Node* _pNextBrother; // 指向其下一个兄弟结点
	DataType _data; // 结点中的数据域
};

在这里插入图片描述
树在实际中的运用(表示文件系统的目录树结构)

2.二叉树概念及结构

一棵二叉树是结点的一个有限集合,该集合:

  1. 或者为空
  2. 由一个根节点加上两棵别称为左子树和右子树的二叉树组成

在这里插入图片描述

从上图可以看出:

  1. 二叉树不存在度大于2的结点
  2. 二叉树的子树有左右之分,次序不能颠倒,因此二叉树是有序树

注意:对于任意的二叉树都是由以下几种情况复合而成的:
在这里插入图片描述
2.2现实中的二叉树:
在这里插入图片描述

2.1 特殊的二叉树(重点):

  1. 满二叉树:一个二叉树,如果每一个层的结点数都达到最大值,则这个二叉树就是满二叉树。也就是说,如果一个二叉树的层数为K,且结点总数是 ,则它就是满二叉树。
  2. 完全二叉树:完全二叉树是效率很高的数据结构,完全二叉树是由满二叉树而引出来的。对于深度为K的,有n个结点的二叉树,当且仅当其每一个结点都与深度为K的满二叉树中编号从1至n的结点一一对应时称之为完全二叉树。 要注意的是满二叉树是一种特殊的完全二叉树。

在这里插入图片描述
2.4 二叉树的性质

  1. 若规定根节点的层数为1,则一棵非空二叉树的**第i层上最多有2^(i-1) **个结点.
  2. 若规定根节点的层数为1,则深度为h的二叉树的最大结点数是2^h - 1.
  3. 对任何一棵二叉树, 如果度为0其叶结点个数为n0 , 度为2的分支结点个数为n2 ,则有 n0=n2 +1
  4. 若规定根节点的层数为1,具有n个结点的满二叉树的深度,h= log2(n+1). (ps: 是log以2为底,n+1为对数)
  5. 对于具有n个结点的完全二叉树,如果按照从上至下从左至右的数组顺序对所有节点从0开始编号,则对于序号为i的结点有:
    • 若i>0,i位置节点的双亲序号:(i-1)/2 i=0,i为根节点编号,无双亲节点
    • 若2i+1<n,左孩子序号:2i+1,2i+1>=n否则无左孩子
    • 若2i+2<n,右孩子序号:2i+2,2i+2>=n否则无右孩子

画图解释:
1.性质一
在这里插入图片描述
2.性质二
在这里插入图片描述
3.性质三
在这里插入图片描述
4.性质四
这个性质大家画一个满二叉树套公式计算就行,这个好理解
5.性质五
我把图画出来,只要代数就可以证明性质五了
在这里插入图片描述

  1. 某二叉树共有 399 个结点,其中有 199 个度为 2 的结点,则该二叉树中的叶子结点数为( )
    A 不存在这样的二叉树
    B 200
    C 198
    D 199
  2. 在具有 2n 个结点的完全二叉树中,叶子结点个数为( )
    A n
    B n+1
    C n-1
    D n/2
  3. 一棵完全二叉树的节点数位为531个,那么这棵树的高度为( )
    A 11
    B 10
    C 8
    D 12
  4. 一个具有767个节点的完全二叉树,其叶子节点个数为()
    A 383
    B 384
    C 385
    D 386

第一题:
根据上面的性质可知 ,度为 0 的节点 == 度为 2 的节点 +1
第二题:
在这里插入图片描述
第三题:
高度为h的完全二叉树的节点范围在【logN^(h-1) , logN^h - 1】(log默认以二为底)
所以 h=10
第四题:
在这里插入图片描述

答案为 A,A,B,B

3.二叉树实现堆

堆的性质:

  • 堆中某个节点的值总是不大于或不小于其父节点的值;
  • 堆总是一棵完全二叉树。
    在这里插入图片描述
    大根堆:父节点大于等于子节点
    小根堆:父节点小于等于子节点

3.1堆的实现

typedef int HPDataType;

typedef struct Heap
{
	HPDataType* a;
	int size;
	int capacity;
}HP;

//初始化
void HeapInit(HP* php);

//销毁
void Heapdestroy(HP* php);

//插入
void HeapPush(HP* php, HPDataType x);

//删除
void HeapPop(HP* php);

//判空
bool HeapEmpty(HP* php);

//返回堆顶元素
HPDataType HeapTop(HP* php);

//返回堆中元素个数
int HeapSize(HP* php);

初始化,销毁,插入,删除堆顶元素,判空,返回堆顶元素,返回堆中元素个数
这几个功能比较简单,大家如果自己完成过顺序表,链表一定可以看的懂
这里我挑两个难点来讲:向上调整,向下调整

//初始化
void HeapInit(HP* php)
{
	assert(php);
	php->a = (HPDataType*)malloc(sizeof(HPDataType) * 4);
	if (php->a == NULL)
	{
		perror("malloc fail");
		return;
	}
	php->size = 0;
	php->capacity = 4;

}

//销毁
void Heapdestroy(HP* php)
{
	assert(php);
	free(php->a);
	php->a = NULL;
	php->size = php->capacity = 0;
}

//交换
void Swap(HPDataType* e1, HPDataType* e2)
{
	HPDataType tmp = *e1;
	*e1 = *e2;
	*e2 = tmp;
}

//插入并向上调整
void HeapPush(HP* php, HPDataType x)
{
	assert(php);
	if (php->capacity == php->size)
	{
		HPDataType* tmp = realloc(php->a, sizeof(HPDataType) * php->capacity * 2);
		if (tmp == NULL)
		{
			perror("realloc fail");
			return;
		}
		php->a = tmp;
		php->capacity *= 2;
	}
	php->a[php->size++] = x;
	AdjustUp(php->a, php->size-1);
}

//删除,堆顶元素
void HeapPop(HP* php)
{
	assert(php);
	assert(!HeapEmpty(php));
	Swap(&php->a[0], &php->a[php->size - 1]);
	php->size--;

	AdjustDown(php->a ,php->size,0);
}

//判空
bool HeapEmpty(HP* php)
{
	assert(php);
	return php->size == 0;
}

//返回堆顶元素
HPDataType HeapTop(HP* php)
{
	assert(php);
	return php->a[0];
}

//返回堆中元素个数
int HeapSize(HP* php)
{
	assert(php);
	return php->size;
}

上图我们可以了解到,大堆小堆的特点

在这里插入图片描述

⭐3.2向上调整排序(重点)

我们这里只讲这两个功能:
首先如果我们要插入元素,只能在堆底插入,插入元素之后就要去调整堆
假设我们现在有一个大堆是这样的:
在这里插入图片描述
插入一个数据然后调整
在这里插入图片描述
所以我们在插入数之后要写一个向上调整(AdjustUp)
我们想要向上调整,就得知道要调整的位置(sz-1)长度减一就是最后一个元素的下标,还有堆首的地址
所以我们函数的参数设计为AdjustUp(HPDataType* a, int child),把孩子节点向上调整

知道了孩子节点还得知道它的父节点,那我们该怎么找父节点呢?
在这里插入图片描述
我们看图可以知道10的父节点是3
38的父节点是9
我们发现规律:父节点的下标 =(孩子节点的下标 - 1)/ 2
知道了下标我们就要去比较 (如果是大堆孩子比父亲大就向上调整,如果是小堆孩子比父亲小就向上调)
孩子节点的下标 == 0的时候说明已经排完序了(孩子节点一直在向上作比较)
所以我们的向上调整排序代码如下:

//向上调整
void AdjustUp(HPDataType* a, int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)
	{
		if (a[child] > a[parent])
		{
			Swap(&a[child], &a[parent]);
			//这里的交换函数是自己写的
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

⭐3.3向下调整排序(重点)

向下调整排序就是我们在执行删除堆顶元素命令后,需要向下调整排序,为什么呢?,如下:

在这里插入图片描述
可以看到上面代码,我们说的是删除堆顶元素,实际上就是让堆顶元素与堆底元素交换,这样堆顶元素就到堆底了,把堆底元素删除就可以了,这样不会影响原来的堆,只需要再想向下调整堆顶元素就可以恢复堆了
如果我们直接删除堆顶元素,不仅要把后面数据全部都向前挪动,而且堆的顺序也乱了
就比如下面这个小堆
在这里插入图片描述
所以我们不能直接删除堆顶元素,要先把它与堆底元素交换,然后删除堆底元素
我们向下调整需要知道一共有几个元素(不能让孩子节点的下标超过或等于元素个数),还有要向下调整的位置,还有堆的首地址
所以向下调整的函数为AdjustDown(HPDataType* a,int n,int parent)

我们在选孩子节点的时候,先默认是左孩子节点,然后:
如果是建大堆选出左右孩子中大的那一个
如果是建小堆选出左右孩子中小的那一个
代码如下:

//在建好堆的情况下向下调整
void AdjustDown(HPDataType* a,int n,int parent)
{
	int child = parent * 2 + 1;
	while (child < n)
	{
		//如果是建大堆选出左右孩子中大的那一个
		//如果是建小堆选出左右孩子中小的那一个
		if (child + 1 < n && a[child] > a[child + 1])
		{
			child++;
		}
		if (a[parent] > a[child] )
		{
			Swap(&a[parent], &a[child]);
			parent = child;
			child = parent * 2 + 1;
		}
		else
		{
			break;
		}
	}
}

4.堆的应用

堆排序即利用堆的思想来进行排序,总共分为两个步骤:

4.1 建堆

升序:建大堆
降序:建小堆

如果给你一共数组要求你建堆。
那建堆是要用向上调整的方式建堆还是要用向下调整的方式建堆呢?

答案是使用向下调整建堆
首先我们要知道什么情况下才能向下调整建堆
向下调整建堆的要求是在建好堆的情况下向下调整
列如下图:
如果我们想要用向下调整排序的方式来建堆,就需要倒着建堆
在这里插入图片描述
怎么个倒着建堆呢?
先找到最后一个元素的父亲节点节点,然后在用当前的父节点 -1 找到前面的父节点,一直到 i<0时停止。
所以建小堆只需要如下代码:

//n代表元素个数 
//第一个 -1 代表尾元素 
//第二个 -1 代表 左孩子节点 或者左孩子节点 -1
// /2 代表找到它的父节点
for (int i = (n-1-1)/2; i >= 0; --i)
{
	AdjustDown(a, n, i);
}

那为什么向下调整比向上调整要快呢看下图分析:

在这里插入图片描述
所以向下调整排序的时间复杂度为O(N)
那么向上调整排序的时间复杂度为多少呢?
在这里插入图片描述

那向上调整排序的时间复杂度为O(N*logN)

4.2 利用堆删除思想来进行排序

TOP-K问题

TOP-K问题:即求数据结合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大。
比如:专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
对于Top-K问题,能想到的最简单直接的方式就是排序,但是:如果数据量非常大,排序就不太可取了(可能数据都不能一下子全部加载到内存中)。最佳的方式就是用堆来解决,基本思路如下:

  1. 用数据集合中前K个元素来建堆
    • 如果要找前k个最大的元素,则建小堆
    • 如果要找前k个最小的元素,则建大堆
  2. 用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素
    • 将剩余N-K个元素依次与堆顶元素比完之后,堆中剩余的K个元素就是所求的前K个最小或者最大的元素。

可能大家会疑惑为什么找最大的 k 个元素要建小堆,找最小的 k 个元素要建大堆,
这里我只解释找最大的 k 个元素建小堆的原因
首先对前 k 给元素建小堆,小堆的堆顶一定这个堆中最小的元素
用剩下的数来跟堆顶元素作比较,如果比堆顶大就进入堆,进入堆之后再向下调整,调整之后堆顶元素一定还是这个堆中最小的数
就这样用堆顶元素一直与剩下的数比较,所有的数的比较完之后,这个堆中的数就是,所有数 N 中最大的前 k 个数

代码如下:

#include <stdio.h>
#include <time.h>
#include <stdlib.h>
void PrintTopK(int* a,int k)
{
	for (int i = 0; i < k; i++)
	{
		printf("%d ", a[i]);
	}
	printf("\n");
}


//srand是创建随机数的
void TestTopk()
{
	int n = 10000;
	int* a = (int*)malloc(sizeof(int) * n);
	if (a == NULL)
	{
		printf("malloc fail");
		return;
	}
	srand(time(0));
	for (int i = 0; i < n; ++i)
	{
		a[i] = rand() % 10000;
	}
	

	//用top这快区域来接收最大的 k 个元素
	int k = 10;
	int* top = (int*)malloc(sizeof(int) * k);
	if (top == NULL)
	{
		printf("malloc fail");
		return;
	}
	for (int i = 0; i < k; i++)
	{
		top[i] = a[i];
	}

	//这里我们用前十个数建堆
	for (int i = (k - 2) / 2; i < k; i++)
	{
		AdjustDown(top, k, i);
	}

	//将剩余n - k个元素依次与top堆顶元素比较,如果满足条件就交换
	// 这里我们建小堆,但小堆里要存所有数中最大的元素
	// 所以我们就要让大于堆顶的数代替堆顶,然后向下调整
	for (int i = k; i < n; i++)
	{
		if (a[i] > top[0])
		{
			top[0] = a[i];
			AdjustDown(top, k, 0);
		}
	}
	PrintTopK(top,k);
	
}

int main()
{
	TestTopk();
	return 0;
}

输出结果:
在这里插入图片描述
画图判断这里的10个数是不是小堆
通过下图我们可以确定这里的就是一个小堆
在这里插入图片描述
那我们怎么能确定这 10 个数到底是不是这 10000 个数里最大的数呢?
这里的方法很简单,因为我们之前在给每个元素赋值的时候都是
a【i】 = rand()% 10000,所以每个元素都小于 10000.
我们只要给这 10000 个数中,随机十个数赋大于 10000 的值就可以通过输出结果判断我们之前的代码是否正确。
代码如下:
只是在之前的

void TestTopk()
{
	int n = 10000;
	int* a = (int*)malloc(sizeof(int) * n);
	if (a == NULL)
	{
		printf("malloc fail");
		return;
	}
	srand(time(0));
	for (int i = 0; i < n; ++i)
	{
		a[i] = rand() % 10000;
	}
	
	a[5] = 10000 + 1;
	a[1231] = 10000 + 2;
	a[531] = 10000 + 3;
	a[5121] = 10000 + 4;
	a[115] = 10000 + 5;
	a[2335] = 10000 + 6;
	a[9999] = 10000 + 7;
	a[76] = 10000 + 8;
	a[423] = 10000 + 9;
	a[3144] = 10000 + 10;
	

	//用top这快区域来接收最大的 k 个元素
	int k = 10;
	int* top = (int*)malloc(sizeof(int) * k);
	if (top == NULL)
	{
		printf("malloc fail");
		return;
	}
	for (int i = 0; i < k; i++)
	{
		top[i] = a[i];
	}
	

	//这里我们用前十个数建堆
	for (int i = (k - 2) / 2; i < k; i++)
	{
		AdjustDown(top, k, i);
	}


	//将剩余n - k个元素依次与top堆顶元素比较,如果满足条件就交换
	// 这里我们建小堆,但小堆里要存所有数中最大的元素
	// 所以我们就要让大于堆顶的数代替堆顶,然后向下调整
	for (int i = k; i < n; i++)
	{
		if (a[i] > top[0])
		{
			top[0] = a[i];
			AdjustDown(top, k, 0);
		}
	}
	PrintTopK(top,k);
	
}

结果证明,我们上面的代码是正确的。输出的都是大于10000的数
在这里插入图片描述

那有的同学说这里的堆没有顺序,我们需要写一个堆排序即可
代码如下

void HeapSort(int* a, int n)
{
	//n代表元素个数 
	//第一个 -1 代表尾元素 
	//第二个 -1 代表 左孩子节点 或者左孩子节点 -1
	// /2 代表找到它的父节点

	for (int i = (n - 1 - 1) / 2; i >= 0; --i)
	{
		AdjustDown(a, n, i);
	}
	//n是元素个数,n-1就是尾元素下标
	int end = n - 1;
	//尾元素下标大于0,就进入循环
	//如果尾元素等于 0 那就是剩下最后一个没有排序的元素了,所以
	// end > 0时进入循环就可以了
	while (end > 0)
	{
		Swap(&a[0], &a[end]);
		AdjustDown(a, end, 0);
		end--;
	}
}

输出结果:
在这里插入图片描述

4.二叉树链式结构的实现

4.1二叉树的遍历

前序遍历,中序遍历,后序遍历

所谓二叉树遍历(Traversal)是按照某种特定的规则,依次对二叉树中的节点进行相应的操作,并且每个节点只操作一次。访问结点所做的操作依赖于具体的应用问题。 遍历是二叉树上最重要的运算之一,也是二叉树上进行其它运算的基础。
按照规则,二叉树的遍历有:前序/中序/后序的递归结构遍历:

  1. 前序遍历(Preorder Traversal 亦称先序遍历)——访问根结点的操作发生在遍历其左右子树之前。
  2. 中序遍历(Inorder Traversal)——访问根结点的操作发生在遍历其左右子树之中(间)。
  3. 后序遍历(Postorder Traversal)——访问根结点的操作发生在遍历其左右子树之后。

学习二叉树我们就要学会把一个大的问题,分解成小问题来解决,用递归来解决问题

在这里插入图片描述
例如前序遍历
我们是要先访问当前节点的元素,再访问左节点,再访问右节点
我们把遍历整个树,看做成遍历一颗一颗的小的树
当 root(根节点)== NULL 时返回
我们就上图这颗树,写一下它的前序遍历:
在这里插入图片描述
它的前序顺序应该是上图这样,实际输出的数据是,1 > 2 > 4 > 5 > 3 > 6 > 7
那我们来用代码实现一下吧,在实现前序之前我们要先有一颗树
我们直接简单的创建一颗二叉树

#include <stdio.h>
#include <stdlib.h>

typedef int BTDataType;
typedef struct BinaryTreeNode
{
	BTDataType data;
	struct BinaryTreeNode* left;
	struct BinaryTreeNode* right;
}BTNode;

BTNode* BuyNode(BTDataType x)
{
	BTNode* newnode = (BTNode*)malloc(sizeof(BTNode));
	if (newnode == NULL)
	{
		perror("malloc fail");
		return NULL;
	}
	newnode->data = x;
	newnode->left = NULL;
	newnode->right = NULL;

	return newnode;
}


int main()
{
	BTNode* Node1 = BuyNode(1);
	BTNode* Node2 = BuyNode(2);
	BTNode* Node3 = BuyNode(3);
	BTNode* Node4 = BuyNode(4);
	BTNode* Node5 = BuyNode(5);
	BTNode* Node6 = BuyNode(6);
	BTNode* Node7 = BuyNode(7);

	Node1->left = Node2;
	Node1->right = Node3;
	Node2->left = Node4;
	Node2->right = Node5;
	Node3->left = Node6;
	Node3->right = Node7;

	return 0;
}

注意:上述代码并不是创建二叉树的方式
二叉树写好了之后我们把前序遍历来实现一下

前序遍历代码如下:

void PrevOrder(BTNode* root)
{
	if (root == NULL)
		return;

	printf("%d ", root->data);
	PrevOrder(root->left);
	PrevOrder(root->right);
}

在这里插入图片描述

我们把Node1传给前序遍历,发现输出结果与上面画图解释的数据顺序一样。

中序,后序的遍历只是与前序遍历的访问数据的时间不同,如有不理解看下面的代码就知道为什么这样说了

中序遍历:

void InOrder(BTNode* root)
{
	if (root == NULL)
		return;

	InOrder(root->left);
	printf("%d ", root->data);
	InOrder(root->right);
}

后序遍历:

void PostOrder(BTNode* root)
{
	if (root == NULL)
		return;

	PostOrder(root->left);
	PostOrder(root->right);
	printf("%d ", root->data);
}

4.1 层序遍历

层序遍历:除了先序遍历、中序遍历、后序遍历外,还可以对二叉树进行层序遍历。设二叉树的根节点所在层数为1,层序遍历就是从所在二叉树的根节点出发,首先访问第一层的树根节点,然后从左到右访问第2层上的节点,接着是第三层的节点,以此类推,自上而下,自左至右逐层访问树的结点的过程就是层序遍历。

二叉树的层序遍历我们需要借助之前学过的知识点,队列来帮助我们实现。
栈和队列特性的讲解
在这里插入图片描述

层序遍历代码如下:

// 层序遍历
void LevelOrder(BTNode* root)
{
	Queue q1;
	QueueInit(&q1);

	if(root != NULL)
		QueuePush(&q1, root);
	
	while (!QueueEmpty(&q1))
	{
		BTNode* front = QueueFront(&q1);
		QueuePop(&q1);
		printf("%d ", front->data);
		if (front->left)
		{
			QueuePush(&q1, front->left);
		}
		if (front->right)
		{
			QueuePush(&q1, front->right);
		}
	}
}

注意我们这里要把队列的数据类型改为 struct BinaryTreeNode*

4.2 节点个数以及高度等

// 二叉树节点个数
int BinaryTreeSize(BTNode* root);
// 二叉树叶子节点个数
int BinaryTreeLeafSize(BTNode* root);
// 二叉树第k层节点个数
int BinaryTreeLevelKSize(BTNode* root, int k);
// 二叉树查找值为x的节点
BTNode* BinaryTreeFind(BTNode* root, BTDataType x);
// 二叉树销毁
void BinaryTreeDestory(BTNode** root);
// 判断二叉树是否是完全二叉树
int BinaryTreeComplete(BTNode* root);

二叉树节点个数

计算节点个数还是上面讲到的思想,把大问题化为一个小问题
如果节点为空返回 0
如果不为空返回 左节点个数 + 右节点个数 + 1(自己)

// 二叉树节点个数
int BinaryTreeSize(BTNode* root)
{
	if (root == NULL)
		return 0;
	
	return BinaryTreeSize(root->left) + BinaryTreeSize(root->right) + 1;
}

二叉树叶子节点个数

求叶子节点个数,思想还是递归思想
如果 root 的左右节点都为空说明他就是叶子节点
代码如下;

// 二叉树叶子节点个数
int BinaryTreeLeafSize(BTNode* root)
{
	if (root == NULL)
		return 0;
	if (root->left == NULL && root->right == NULL)
		return 1;

	return BinaryTreeLeafSize(root->left) + BinaryTreeLeafSize(root->right);
}

二叉树第k层节点个数

第 k 层节点个数,当 k == 1 时,就是第 k 层

计算当 k == 1 时的节点个数就行
代码如下;

// 二叉树第k层节点个数
int BinaryTreeLevelKSize(BTNode* root, int k)
{
	if (root == NULL)
		return 0;
	
	if (k == 1)
		return 1;

	return BinaryTreeLevelKSize(root->left, k - 1) + BinaryTreeLevelKSize(root->right, k - 1);

}

二叉树查找值为x的节点

只需要遍历二叉树,当 root->data == x 时就返回它的节点
代码如下:

// 二叉树查找值为x的节点
BTNode* BinaryTreeFind(BTNode* root, BTDataType x)
{
	if (root == NULL)
		return NULL;

	if (root->data == x)
		return root;
	
	//如果左不为空,说明找到了,就返回节点
	BTNode* lret = BinaryTreeFind(root->left, x);
	if (lret)
		return lret;
	
	//同上
	BTNode* rret = BinaryTreeFind(root->right, x);
	if (lret)
		return lret;

	return NULL;
}

二叉树的销毁

二叉树的销毁要使用后续遍历的思想来销毁,如果用前序,中序来销毁,我们销毁了当前节点,就找不到后面的节点了
后续遍历正好时先访问左子树,在访问右子树,最后访问当前节点,我们时最后释放当前节点
代码如下:

// 二叉树销毁
void BinaryTreeDestory(BTNode* root)
{
	if (root == NULL)
		return;
	BinaryTreeDestory(root->left);
	BinaryTreeDestory(root->right);
	free(root);

}

判断二叉树是否是完全二叉树

使用队列来判断,如果访问到空时,后面的元素还有不为空的,二叉树就不是完全二叉树

// 判断二叉树是否是完全二叉树
bool BinaryTreeComplete(BTNode* root)
{
	Queue s1;
	QueueInit(&s1);

	if (root)
		QueuePush(&s1, root);

	while (!QueueEmpty(&s1))
	{
		BTNode* Front = QueueFront(&s1);
		QueuePop(&s1);
		
		if (Front == NULL)
		{
			break;
		}
		else
		{
			QueuePush(&s1, Front->left);
			QueuePush(&s1, Front->right);
		}
		
	}

	while (!QueueEmpty(&s1))
	{
		BTNode* Front = QueueFront(&s1);
		QueuePop(&s1);

		if (Front)
		{
			Queuedestroy(&s1);
			return false;
		}
	}

	Queuedestroy(&s1);
	return true;


}
  • 4
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

打赏作者

专科在努力!

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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