轻松理解二叉树【云图智联】

二叉树(Binary Tree)整合了有序数组和链表的优点。在一个有序数组中，查找的时间复杂度为O(logN)，但是插入和添加操作的比较慢。在链表中，插入和删除操作的时间复杂度比较快，为O(1)，但是查找比较慢，时间复杂度为O(N)。

二叉树结合了有序数组的查找块和链表的添加、删除快的优点。

一棵普通的树(非二叉树)

每个圆点表示一个节点(Node)

连线表示一条边(edge)

树的顶层总是只有一个节点，它通过边连接到第二层的多个节点，然后第二层的节点连向第三层更多的节点，以此类推。

所以树的顶部越小，底部越大。这和真正的树相比好像是颠倒过来了。

不过本节要讨论的是一种特殊的树，二叉树，即每个节点最多有两个子节点。更普通的树里，一个节点的子节点可以多于2个，称之为多路树(multiway trees)。

树的相关术语

路径(Path)：顺着连着节点的边从一个节点走到另一个节点，所经过的节点的顺序排列就称为路径。

根(Root)：树的顶端的节点称之为根，一棵树只有一个根。从根到任何一个节点的路径有且只有一条。下图演示的就是不是一棵树，因为其违反了这个规则：

父节点(Parent Node)：每个节点(除了根)都恰好有一条边向上连接到另外一个节点，上面这个节点就称之为下面这个节点的父节点。

子节点(Child Node)：每个节点都可能有一条或者多条边向下连接到其他节点，下面的这些节点就称为它的子节点。

叶节点(Leaf Node)：没有子节点的节点称之为叶节点。树种只有一个根，但是可以有很多叶节点

子树(Child Tree)：每个节点都可以作为子树的根，他和他所有的子节点(包括子节点的子节点)都包含在子树中。

访问(Access)：当程序控制流程到达某个节点时，就称为访问这个节点。通常是为了在这个节点进行某种操作，例如查看节点某个数据字段的值或者显示节点。如果仅仅是在路径上从某个节点到另一个节点时，经过了一个节点，不认为是访问了这个节点。

遍历(tranverse)：遍历树意味着要遵循某种特定的条件访问数中的所有节点。

层(level)：一个节点的层数是指从根节点开始到这个节点有多少"代"。假设根是第0层，它的子节点就是第一层，它的孙节点就是第二层，以此类推。

关键字(keys)：对象中通常会有一个字段被指定为关键字值，例如一个实体的id字段。这个值通常用于查询或者其他的操作，在树的图形中，如果用圆表示保存数据项的节点，那么一般将数据项的关键字值显示在这个圆中。

二叉树(binary tree)：如果树种中每个节点最多最多只能有2个子节点。这样的树就称为二叉树。左右两个子节点分为称之为左子节点或者右子节点。左右两个子树分别称之为左子树和右子树。

二叉搜索树(binary search tree)：如果我们给二叉树加一个额外的条件，就可以得到一种被称作二叉搜索树(binary search tree)的特殊二叉树。二叉搜索树要求：一个节点的左子节点的关键字值小于这个节点，右子节点的关键字大于或等于这个父节点。下图演示了一个二叉搜索树：

非平衡树(Unbalanced Tree)：非平衡树指的是它们大部分节点在根的一边或者另一边。也有可能树总体是平衡的，但是个别的子树是不平衡的。如下图所示：

树的不平衡是数据项的插入顺序造成的。例如我们在树种插入1到100， 如果第一个插入的是90，那么意味着根节点是90，那么意味着大部分节点都会在左子树上。总的来说，如果关键字值的插入顺序是随机的，树或多或少会平衡一点。但是如果是升序或者降序，则会让树局部不平衡。 

二叉搜索树的相关操作 

插入做操：

下图演示一个了二叉搜索树的插入操作：

如果插入的关键字比当前节点小，则应该插入左边，否则应该插入右边。如果左子节点(或右)不为空，则应该继续判断，如此递归，直到找到某个节点的左子节点(或者右子节点)为null的那个节点，将这个节点设置为其左子节点(或者右子节点)。

特别的，如果树的根节点为null，则这个节点直接设置为根节点。

查找操作

查找操作与插入操作按照相同的逻辑找到合适的位置，不同的是，如果一个节点的关键字值等于查找关键字，则返回这个节点。如果找到最后一层都没有找到这个节点，则返回null。

查找最小值：找最小值时，先走到根的左子节点处，然后接着走到那个节点的左子节点，如此类推，直到找到一个没有左子节点的那个节点，这个节点的值就是最小值。

查找最大值：找最大值时，先走到根的右子节点处，然后接着走到那个节点的右子节点，如此类推，直到找到一个没有右子节点的那个节点，这个节点的值就是最大值。

删除操作

删除操作是二叉树中相对复杂的。分为三种情况：

1、要删除的节点是叶节点，也就是没有子节点，直接删除

2、要删除的节点(A)有一个子节点(B)，A的父节点是P。那么只要将P的子节点设置为B即可。当然，如果A原来是P的左子节点，那么就将B设置为P的左子节点，如果A是P的右子节点，就将B设置为P的右子节点。

3、要删除的节点有两个子节点。这是最复杂的一种情况，因为删除当前节点(A)后，我们要确定其左子节点(AL)还是右子节点(AR)挂到当前节点的父节点上(P)。事实上，任选一种都可以。难题在于，假设是左子节点(AL)挂到了P上，那么右字节点(AR)应该如何处理呢？关于这个，笔者有一个窍门：如果是将左子节点(AL)挂到了P上，那么就将右字节点(AR)挂到以AL为根节点的子树的值最大的那个节点；如果是将右子节点(AR)挂到了P上，那么就将左字节点(AL)挂到以AR为根节点的子树的值最小的那个节点。

 

二叉树的效率

在二叉树是一棵满树的情况下，每一层对应的总节点数如下：

假设用层数表示L表示，树的总结点树用N表示，可以看到L与N满足以下关系：

N=2L-1

两边都加上1

N+1=2L

则有：

L=log2(N+1)

对于二叉搜索树来说，不管插入还是查找、还是删除，都需要先找到对应的节点，而树有几层，也就意味着最多会查找多少次。因此查找的时间复杂度最大就是O(logN)。对于添加和删除操作，查到到要操作的节点后，其操作都是固定的，在大O表示法中这段操作消耗的时间可以忽略不计。意味着，对于查找和删除操作，时间复杂度最大的情况下，也是O(logN)。

免费学习视频欢迎关注云图智联：https://e.yuntuzhilian.com/