二叉搜索树

什么是二叉搜索树?

• 二叉搜索树（BST，Binary Search Tree），也称二叉排序树或二叉查找树

• 二叉搜索树是一颗二叉树, 可以为空；如果不为空，满足以下性质：

  • 非空左子树的所有键值小于其根结点的键值。
  • 非空右子树的所有键值大于其根结点的键值。
  • 左、右子树本身也都是二叉搜索树。

• 下面哪些是二叉搜索树, 哪些不是

• 

• 二叉搜索树的特点:

  • 二叉搜索树的特点就是相对较小的值总是保存在左结点上, 相对较大的值总是保存在右结点上.
  • 那么利用这个特点, 我们可以做什么事情呢?
  • 查找效率非常高, 这也是二叉搜索树中, 搜索的来源.

二叉搜索树的操作

• 二叉搜索树有哪些常见的操作呢?
  • insert(key)：向树中插入一个新的键。
  • search(key)：在树中查找一个键，如果结点存在，则返回true；如果不存在，则返回false。
  • inOrderTraverse：通过中序遍历方式遍历所有结点。
  • preOrderTraverse：通过先序遍历方式遍历所有结点。
  • postOrderTraverse：通过后序遍历方式遍历所有结点。
  • min：返回树中最小的值/键。
  • max：返回树中最大的值/键。
  • remove(key)：从树中移除某个键。

二. 二叉搜索树的实现

现在, 我们通过代码来实现二叉搜索树.

创建二叉搜索树

• 我们像封装其他数据结构一样, 先来封装一个BinarySearchTree的类

  // 创建BinarySearchTree
  function BinarySerachTree() {
      // 创建结点构造函数
      function Node(key) {
          this.key = key
          this.left = null
          this.right = null
      }
      
      // 保存根的属性
      this.root = null
      
      // 二叉搜索树相关的操作方法
  }
  

• 代码解析:

  • 封装BinarySearchTree的构造函数.
  • 还需要封装一个用于保存每一个结点的类Node.
    • 该类包含三个属性: 结点对应的key, 指向的左子树, 指向的右子树
  • 对于BinarySearchTree来说, 只需要保存根结点即可, 因为其他结点都可以通过根结点找到.

向树中插入数据

• 我们两个部分来完成这个功能.

• 外界调用的insert方法

  // 向树中插入数据
  BinarySerachTree.prototype.insert = function (key) {
      // 1.根据key创建对应的node
      var newNode = new Node(key)
      
      // 2.判断根结点是否有值
      if (this.root === null) {
          this.root = newNode
      } else {
          this.insertNode(this.root, newNode)
      }
  }
  

• 代码解析:

  • 首先, 根据传入的key, 创建对应的Node.
  • 其次, 向树中插入数据需要分成两种情况:
    • 第一次插入, 直接修改根结点即可.
    • 其他次插入, 需要进行相关的比较决定插入的位置.
  • 在代码中的insertNode方法, 我们还没有实现, 也是我们接下来要完成的任务.

• 插入非根结点

  BinarySerachTree.prototype.insertNode = function (node, newNode) {
      if (newNode.key < node.key) { // 1.准备向左子树插入数据
          if (node.left === null) { // 1.1.node的左子树上没有内容
              node.left = newNode
          } else { // 1.2.node的左子树上已经有了内容
              this.insertNode(node.left, newNode)
          }
      } else { // 2.准备向右子树插入数据
          if (node.right === null) { // 2.1.node的右子树上没有内容
              node.right = newNode
          } else { // 2.2.node的右子树上有内容
              this.insertNode(node.right, newNode)
          }
      }
  }
  

• 代码解析:

  • 插入其他节点时, 我们需要判断该值到底是插入到左边还是插入到右边.
  • 判断的依据来自于新节点的key和原来节点的key值的比较.
    • 如果新节点的newKey小于原节点的oldKey, 那么就向左边插入.
    • 如果新节点的newKey大于原节点的oldKey, 那么就向右边插入.
  • 代码的1序号位置, 就是准备向左子树插入数据. 但是它本身又分成两种情况
    • 情况一(代码1.1位置): 左子树上原来没有内容, 那么直接插入即可.
    • 情况二(代码1.2位置): 左子树上已经有了内容, 那么就一次向下继续查找新的走向, 所以使用递归调用即可.
  • 代码的2序号位置, 和1序号位置几乎逻辑是相同的, 只是是向右去查找.
    • 情况一(代码2.1位置): 左右树上原来没有内容, 那么直接插入即可.
    • 情况二(代码2.2位置): 右子树上已经有了内容, 那么就一次向下继续查找新的走向, 所以使用递归调用即可.

• 测试代码: 如果按照下面的代码插入, 最后形成什么样的树呢?

  // 测试代码
  var bst = new BinarySerachTree()
  
  // 插入数据
  bst.insert(11)
  bst.insert(7)
  bst.insert(15)
  bst.insert(5)
  bst.insert(3)
  bst.insert(9)
  bst.insert(8)
  bst.insert(10)
  bst.insert(13)
  bst.insert(12)
  bst.insert(14)
  bst.insert(20)
  bst.insert(18)
  bst.insert(25)
  

• 形成的树:

• 

• 如果这个时候, 我新插入一个数据6, 那么插入的位置和顺序应该怎样的呢?

  bst.insert(6)
  

• 新的树: