数据结构之树

数据结构之树

树的概念

树是一种抽象的数据结构类型，具有以下特点：
1、每个节点有零个或者多个子节点
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

树的术语

节点的度：一个节点含有的子树的个数成为节点的度，即含有的子节点数
树的度：一棵树中，最大的节点的度称为树的度
叶节点或终端节点：度为零的节点
父亲节点或父节点：若一个节点含有子节点，则这个节点称为子节点的父节点
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
兄弟节点：具有相同父节点的节点互称为兄弟节点
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
堂兄弟节点：父节点在同一层的节点互为堂兄弟
节点的祖先：从根到该节点所经分支上的所有节点
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
森林：由m(m>=0)棵互不相交的树的集合称为森林

树的种类

• 无序树：书中任意节点的子节点之间没有顺序关系，也称自由树
• 有序树：树中任意节点的子节点之间有顺序关系
  • 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，其他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颗子树的高度差不大于1的二叉树
    • 排序二叉树(二叉查找树、二叉搜索树、有序二叉树)：
      （1）若左子树不空，则左子树上所有结点的值均小于它的根结点的值；
      （2）若右子树不空，则右子树上所有结点的值均大于它的根结点的值；
      （3）左、右子树也分别为二叉排序树；
      （4）没有键值相等的结点。
      
  • 霍夫曼树：带权路径最短的二叉树，又称哈夫曼树、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，保持数据有序，拥有多余两个子树

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，在遍历速度上有一些优势，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：缺点是指针域指针个数不定，解决方法是把多叉树都转化为二叉树存储

二叉树的性质

性质1：在二叉树的第i层上至多有2^(i-1)个节点(i>0)
性质2：深度为k的二叉树至多有(2^k-1)个节点(k>0)
性质3：对于任意一颗二叉树，如果其叶节点数为N0，而度数为2的节点总数为N2，则N0=N2+1
性质4：具有n个节点的完全二叉树的深度必为log2(n+1)(此处向下取整，满二叉树的话是log2(n+1)-1)
性质5：对完全二叉树，若从上至下、从左至右编号，则编号为i的节点，其左孩子编号必为2i，其右孩子编号必为2i+1，其双亲的编号必为i/2(i=1时为根，除外)

完全二叉树：n层的树从第1到第n-1层都是满二叉树，第n层前面挂满了节点

满二叉树：除了叶节点外每一个节点都有左右子叶且叶子节点都处在最底层二叉树

树的常见应用场景

1、xml，html
2、路由协议
3、mysql
4、文件系统目录结构

PS：
* bool([])=False
* bool([None])=True

树的实现

class Node(object):
    def __init__(self, item):
        self.elem = item
        self.lchild = None
        self.rchild = None

class Tree(object):
    def __init__(self):
        self.root = None

    def add(self, item):
        node = Node(item)
        if self.root is None:
            self.root = node
            return
        queue = [self.root]
        while queue:
            cur_node = queue.pop(0)
            if cur_node.lchild is None:
                cur_node.lchild = node
                return
            else:
                queue.append(cur_node.lchild)
            if cur_node.rchild is None:
                cur_node.rchild = node
                return
            else:
                queue.append(cur_node.rchild)

    def breadth_travel(self): //广度优先遍历
        if self.root is None:
            return
        queue = [self.root]
        while queue:
            cur_node = queue.pop(0)
            print(cur_node.elem, end=' ')
            if cur_node.lchild is not None:
                queue.append(cur_node.lchild)
            if cur_node.rchild is not None:
                queue.append(cur_node.rchild)

    def preorder(self, node): //前序遍历
        if node is None:
            return
        print(node.elem, end=' ')
        self.preorder(node.lchild)
        self.preorder(node.rchild)

    def inorder(self, node): //中序遍历
        if node is None:
            return
        self.inorder(node.lchild)
        print(node.elem, end=' ')
        self.inorder(node.rchild)

    def postorder(self, node): //后序遍历
        if node is None:
            return
        self.postorder(node.lchild)
        self.postorder(node.rchild)
        print(node.elem, end=' ')

if __name__ == "__main__":
    tree = Tree()
    tree.add(0)
    tree.add(1)
    tree.add(2)
    tree.add(3)
    tree.add(4)
    tree.add(5)
    tree.add(6)
    tree.add(7)
    tree.add(8)
    tree.breadth_travel()
    print('')
    tree.preorder(tree.root)
    print('')
    tree.inorder(tree.root)
    print('')
    tree.postorder(tree.root)
    print('')

优先级比较
广度遍历：每一层遍历，顺序从上到下，从左到右
前序遍历：先输出爸爸B，再看左儿子为空否，若不为的话就一直找左儿子的儿子的儿子…直到为空，期间一直输出左儿子，左儿子的儿子…左儿子找完才找右儿子
中序遍历：有一个左儿子A的左儿子为空，输出此左儿子A，然后是这个左儿子A的爸爸B，然后是这个左儿子A的兄弟，即B的右儿子C
后序遍历：有一个左儿子A的左儿子为空，输出此左儿子A，然后是这个左儿子A的爸爸B的右儿子C，然后是这个左儿子的爸爸B