树的基本术语

说明：如果在看博客过程中有对深度，高度和层次有迷惑的，请不要着急，这是因为不同的基数问题。到底是从0开始还是从1开始算，先忽略这个问题，博客下面转载的有详细说明。

树的概念（理解即可）：

树是由结点或顶点和边组成的(可能是非线性的)且不存在着任何环的一种数据结构。没有结点的树称为空(null或empty)树。一棵非空的树包括一个根结点，还(很可能)有多个附加结点，所有结点构成一个多级分层结构。

图1

树的基本知识：

• 节点深度：对任意节点x，x节点的深度表示为根节点到x节点的路径长度。所以根节点深度为0，第二层节点深度为1，以此类推。如图1节点5的深度为0,节点2的深度为1，节点1的深度为2。（深度从上往下看）
• 节点高度：对任意节点x，叶子节点到x节点的路径长度就是节点x的高度。图1中节点1，3，7的高度为0，节点2，8高度为1，节点5高度为2.（高度从下往上看）
• 树的深度：一棵树中节点的最大深度就是树的深度，也称为高度。图1的深度为2
• 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.如图1节点5是节点2，8的父节点
• 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。如图1节点2，8是节点5的子节点。
• 节点的层次：从根节点开始，根节点为第0层，根的子节点为第1层，以此类推
• 兄弟节点：拥有共同父节点的节点互称为兄弟节点。如图1节点2和8是兄弟节点。
• 度：节点的子树数目就是节点的度。如图1中节点5，2的度为2，节点8的度为1，节点1，3，7的度为0
• 叶子节点：度为零的节点就是叶子节点.如1图中节点1，3，7
• 分支结点：度大于0的结点为分支结点，显然除了叶子结点之外的结点都为分支结点。如图1中节点5，2，8
• 祖先节点：对任意节点x，从根节点到节点x的所有节点都是x的祖先
• 后代：对任意节点x，从节点x到叶子节点的所有节点都是x的后代
• 森林：m颗互不相交的树构成的集合就是森林

以下内容转自 https://blog.csdn.net/weixin_41133154/article/details/80027285

https://blog.csdn.net/weixin_41133154/article/details/80027285 转载内容开始

树的基本术语最全面最易懂解释start

树的定义：

①如果树的结点个数为0，则树为空树

②如果树的结点个数为1，则该结点是被称为根结点的结点

③如果树的结点个数大于1，则必存在一个称为根的结点，它的分支下是几个互不相交的有限集合，并且这些互不相交的有限集合本身又是一棵树。

定义注释：从定义③可知，树的定义蛮有趣的，树中有树，树中还是树，所以可知树的定义是一个递归定义，从下图可以看出，如果你仔细分析过带简单循环体的递归程序，那么会知道程序的整个运行路径其实就是一棵树，所以树和递归还是有不浅的联系的。

（1）结点（node）

树的结点由数据元素及其若干分支组成，如下图所示：

 

（2）树和子树(subtree)

以根结点为根的树为全树（或树），以其他结点作为根结点的树为子数

所以当谈到以哪个结点为根结点，就应该知道指的是哪棵子数，以一个结点作为根结点的子数是唯一的。

（3）结点的度（degree of node）

结点的度指的是结点分支的个数，如下图所示：

（4）树的度

选取所有结点中最大的度，就是树的度，如下图所示：

（5）叶子结点(leaf node)

度为0的结点就是叶子结点，它位于树最深层，并且树只要非空，就一定存在叶子结点，如下图所示：

（6）分支结点（internal node）

度大于0的结点为分支结点，显然除了叶子结点之外的结点都为分支结点。

而且根结点也是分支结点。

（7）父节点（father node）和子结点（child node）

一个结点若干分支下的结点都为该结点的子结点（或称孩子（children）），并且，该结点称为子结点的父节点，如下：

（8）兄弟结点(brother)和堂兄弟结点

父节点下的所有子结点互为兄弟结点，如下图，B，C，D结点互为兄弟结点

堂兄弟结点：位于同一层的，并且父节点之间是兄弟结点的结点互为堂兄弟结点，上图中，E，G为堂兄弟结点，F和G也是堂兄弟结点，他们的父节点是兄弟结点。

（9）祖先(ancestor)和子孙(descendant)

这个关系就同父亲和孩子一样。从根结点到该结点路径上的所有结点都为该结点的祖先，如下图所示：

反之，C,G，H就是A的子孙，G和H都为C的子孙，H也可以称为G的子孙，不过因为G和H只隔一代，所以一般称为孩子

所有的结点都有一个公共祖先，就是根结点，但任意两个结点可以不只一个祖先，比如E和F的公共祖先有A和B

（10）路径(path)

从一个结点到另一个结点之间的边和结点构成路径，如下图：

A到H的路径包含A，C，G，H结点和连接这些结点的三条边

（11）子树根结点

如图，A的子树根结点为B,C,D。B的子树根结点为E,F，D没有子树根结点

（12）层次（level）

树是一个递归结构，所以也有层次这种概念，由层次也会引发出树的深度，就好像递归也有深度一样。结点的层次为从结点到根结点的路径中边的条数，并且认为根结点的层次为0，因为根结点到自身的路径中边的条数为0（但也有一些教科书假设根结点的层次为1，这个时候要注意书中相应的说明），如下图所示，B的层次为1，G的层次为2，H的层次为3

结点的层次有时也称为结点的深度(depth)

(13)树的深度

与树的度对应于结点的度一样，树的深度也是选取结点中的最大深度（或最大层次），下图的树的深度为3

树的深度是一个自顶向下的概念，是从根结点出发，向着叶子结点方向前进的，并且深度这个概念一般只用来描述树，当描述结点的深度时，层次更为恰当，但是用深度也无妨。

（14）结点的高度（height of node）

高度与深度不同，高度的描述是自下向顶的，而深度是自顶向下的，同一层次的结点的高度是可以不同的，下面先来介绍高度的概念。

从一个结点出发，一直到它的叶子结点的最大路径中的边的条数，就是该结点的高度，叶子结点的高度认为是0，因为从叶子结点出发，到它本身的路径只有一条，并且边数为0。下图标出了所有结点的高度，可以观察到，同一层次的叶子结点的高度不一定相同，因为它们的叶子结点的最大层次是不同的。

这里，由于A结点到叶子结点的最大路径为A->C->G->H,而不是A->B->E(F)和A->D，所以它的高度是3，因为最大路径的边数为3

（15）树的高度

树的高度就是根结点的高度，如上图所示，该树的高度为3

（16）森林（forest）

森林的概念和树的概念是密切联系的。

森林就是彼此不相交的树的集合，树也可以看成是森林共有一个根结点后的结构，如下图所示：

上图标记出来的就是三棵子树，他们构成一个（子树）森林，如果给这三棵子树共有一个结点，那么就构成一个树

这个树是A，森林是子树B，C，D的集合，可以看出森林和树是两个密切相关的概念。

https://blog.csdn.net/weixin_41133154/article/details/80027285 转载内容结束

以下内容转自 https://blog.csdn.net/qq_36667170/article/details/84142019

https://blog.csdn.net/qq_36667170/article/details/84142019 转载内容结束

树的高度和深度

深度定义是从上往下的，高度定义是从下往上的。（其实不用在意这个，反正树的深度高度怎么数都一样的）。
深度和高度涉及到结点的层数，有的教材规定根结点在第0层，有的则规定根结点在第1层。原理都是一样的，因教材而异。
树从根结点开始往下数，叶子结点所在的最大层数称为 树的深度。
有的教材对于树的高度定义是高度就是深度（层数是0123，深度=高度=3；层数是1234，深度=高度=4）；而有的教材树的高度则是看一共有几层。也就是说不论根节点在第几层，树的深度都是和最大层的叶子节点一样。而树的高度只要看有几层就行了（0123是四层，1234也是四层）。

总之在我看来：

有两种说法：

1. 高度就是深度
2. 看层数：
   如果根结点第0，层数=深度=高度-1
   如果根结点第1，层数=深度=高度

举个栗子_(:3 」∠ )_：

 　

图	左	右
层数	从第0层开始	从第1层开始
最大层数	4	5
深度	4	5
高度（高度=深度）	4	5
高度（数层数）	5	5

补充：

根节点在第0层时候，按照北大数据结构视频的说法就是高度数结点数，深度数路径。从A到G，节点是5层，中间有4段路径，所以深度4，高度5。
其实也可以理解为数高度时候叶子结点从1开始数。因此空数高度0，只有一个根节点高度1。

但是在清华大学 邓俊辉数据结构书中如下：

这本书中可以看出数高度时候叶子结点是从0开始的，因此空数高度-1，只有一个根节点高度0。

---

---

结点的高度和深度

结点的深度也是从根结点开始数，是第几层也决定于根结点在第0层还是第1层。根结点的高度则取决于它的子树，该节点子树中最远的那个叶子结点作为1开始数。

例如对于BCD三个点：

B的子树是C和D，数B的高度时候，B的子树中离B最远的叶子节点是G，所以G高度为1，B高度4，D高度3。但是C是叶子节点，C没有真子树，C高度就是1。

 　

图	左	右
BCD高度（叶子节点>=0）	4 1 3	4 1 3
BCD高度（叶子节点>0）	3 0 2	3 0 2
BCD深度	1 2 2	2 3 3

https://blog.csdn.net/qq_36667170/article/details/84142019 转载内容结束