简介:本文重点给出面试高频二叉树的实现
二叉查找树,顾名思义,就是用于辅助我们进行查找的树状数据结构。
在讲本文的主角之前,先讲一下其他与查询相关的数据结构。
首先,无序表,查找的时间复杂度为O(n).
有序表(预排序),查找(二分查找)的时间复杂度为O(logn),但是插入和删除的时间复杂度为O(n)
那如何降低插入和删除的时间复杂度呢,我们本文的主角就登场了
一、二叉查找树(二叉搜索树/二叉排序树,它的称呼比较多)
定义:一棵二叉查找树是一棵二叉树,其中每个结点都包含一个键(以及相关联的值)且每个结点的键都大于其左子树中的任意结点的键而小于右子树的任意结点的键。
它能够实现O(logn)的查找平均时间复杂度,且插入和删除的平均时间复杂度也为O(logn).
先给出二叉搜索树结点的定义
classBSTNode:"""树的结点"""
def __init__(self, val):
self.val=val
self.left=None
self.right= None
再给出二叉搜索树的实现
classBST:"""二叉搜索树"""
def __init__(self):
self.root=Nonedeffind(self, val):"""查找方法,返回布尔值"""
returnself._find(self.root, val)def_find(self, node, val):if node isNone:returnFalseif node.val ==val:returnTrueif val
ifself.find(val):returnFalseif notself.root:
self.root= node=BSTNode(val)else:
self._insert(self.root, val)returnTruedef_insert(self, node, val):if notnode:
node=BSTNode(val)else:if val
node.left=self._insert(node.left,val)elif val>node.val:
node.right=self._insert(node.right,val)returnnodedeffindmin(self):"""查找key值最小的结点并返回该结点"""
if notroot:returnNoneelse:returnself._findmin(self.root)def_findmin(self, node):ifnode.left:returnself._findmin(node.left)else:returnnodedefdelete(self, val):"""删除,返回布尔值"""
if notself.find(val):returnFalseelse:
self._delete(self.root, val)returnTruedef_delete(self, node, val):"""删除方法,最为复杂"""
if notnode:returnNoneif val
node.left=self._delete(node.left,val)elif val>node.val:
node.right=self._delete(node.right,val)else:#当待删除结点有左右孩子时,选择左子树最大结点或者右子树最小节点用来替换该节点的值
if node.left andnode.right:
node.val=self._findmin(node.right).val#替换完成后把对应的左子树最大节点或者右子树最小节点进行递归删除
node.right =self._delete(node.right,node.val)else:#当待删除结点只有一个孩子时,直接用孩子替换该结点
node = node.left if not node.right elsenode.rightreturn node
问题:在极端情况下,比如二叉查找树的所有节点只有左子树的情况,所有操作的时间复杂度都会变为O(n),根本原因是二叉树的结构不平衡。、
二、AVL树
为了解决二叉查找树不平衡情况下糟糕的时间复杂度,我们在其基础上增加了一个约束:每个结点的左右子树的高度差不能大于1,具备该条件的二叉查找树即为AVL树
AVL树保证了查找、插入、删除的最差时间复杂度均为O(logn)
classAVLNode:"""树的结点"""
def __init__(self, val):
self.val=val
self.left=None
self.right=None
self.height= None
classAVL:"""二叉平衡树之AVL"""
def __init__(self):
self.root=Nonedef_height(self, node):"""返回当前结点的高度"""
return -1 if not node.height elsenode.heightdeffind(self, val):returnself._find(self.root, val)def_find(self, node, val):if notnode:returnFalseelif val ==node.val:returnTrueelif val
self.root=AVLNode(val)else:
self._insert(self.root, val)returnTruedef_insert(self, node, val):if notnode:
node=AVLNode(val)elif val
node.left=self._insert(node.left, val)elif val >node.val:
node.right=self._insert(node.right, val)returnself._balance(node)def_balance(self, node):"""对结点进行高度平衡"""
if notnode:returnnodeif self._height(node.left)-self._height(node.right)>1:if self._height(node.left.left)>self._height(node.left.right):
self._rotate_single_left(node)else:
self._rotate_double_left(node)elif self._height(node.right)-self._height(node.left)>1:if self._height(node.right.right)>self._height(node.right.left):
self._rotate_single_right(node)else:
self._rotate_double_right(node)
node.height= max(height(node.left), height(node.right))+1
returnnodedef_rotate_single_left(self, node):
new_node=node.left
node.left=new_node.right
new_node.right=node
node.height= max(self._height(node.left), self._height(node.right))+1new_node.height= max(self._height(new_node.left), self._height(new_node.right))+1
returnnew_nodedef_rotate_single_right(self, node):
new_node=node.right
node.right=new_node.left
new_node.left=node
node.height= max(self._height(node.left), self._height(node.right))+1new_node.height= max(self._height(new_node.left), self._height(new_node.right))+1
returnnew_nodedef_rotate_double_left(self, node):
node.left=self._rotate_single_right(node.left)returnself._rotate_single_left(node)def_rotate_double_right(self, node):
node.right=self._rotate_single_left(node.right)returnself._rotate_single_right(node)defremove(self, val):if notself.find(val):returnFalseelse:
self.remove(self, self.root, val)returnTruedeffindmin(self):returnself._findmin(self.root)def_findmin(self, node):ifnode.left:returnself._findmin(node.left)else:returnnodedef_remove(self, node, val):if notnode:returnNoneif val
self._remove(node.left, val)elif val >node.val:
self._remove(node.right, val)else:if node.left andnode.right:
node.val=self._findmin(node.right).val
node.right=self._remove(node.right, node.val)else:
node= node.left if not node.right elsenode.rightreturn self._balance(node)
我们仔细分析一下,查询所用时间复杂度都耗费在递归过程上,为O(logn)
插入所用时间复杂度耗费在递归(logn)和旋转,所以插入时间复杂度O(logn)
删除所用时间复杂度耗费在递归(logn)和旋转(至多logn次,当删除结点导致根节点高度不平衡时,需要从当前结点到根节点的路径上递归进行平衡),总的删除时间复杂度为O(logn)
问题:我们可以看出,在所有过程中,删除过程中的旋转是相对最耗费时间的,那我们有没有办法减少总的旋转次数呢?
三、红黑树
针对上述问题,我们思考,之所以旋转次数多是因为AVL的平衡条件过于苛刻(左右子树之差小于等于1),我们能不能通过放宽这个限制来取得更加优秀的删除效率呢,当然可以,那就是接下来要讲的红黑树。
红黑树通过着色的方式实现2-3树(关于2-3树可以看书,不具体介绍了),红黑树规定红色链接必为左连接,红色链接连接的两个点构成一个3-结点。
classRBTNode:def __init__(self, val, color, n):
self.val=val
self.color=color
self.left=None
self.right= None
classRBT:def __init__(self):
self.root=Nonedef_left_rotate(self, node):"""左旋,把红色右链接转化为左链接"""new_node=node.right
node.right=new_node.left
new_node.left=node
node.color= 'RED'
returnnew_nodedef_right_rotate(self, node):"""右旋,把红色左链接转化为右链接"""new_node=node.left
node.left=new_node.right
new_node.right=node
new_node.color= 'RED'
def_flipcolors(self, node):"""反转当前结点及其子节点的颜色"""
if node.color = 'BLACK':
node.color= 'RED'node.left.color= 'BLACK'node.right.color= 'BLACK'
else:
node.color= 'BLACK'node.left.color= 'RED'node.right.color= 'RED'
deffind(self, val):returnself._find(self.root, val)def_find(self, node, val):if notnode:returnFalseif node.val ==val:returnTrueelif val
self._insert(self.root, val)returnTruedef_insert(self, node, val):if notnode:return RBTNode(val, 'RED')if val
node.left=self._insert(node.left, val)elif val >node.val:
node.right=self._insert(node.right, val)
self._balance(node)returnnodedef_balance(self, node):if self._isred(node.right) and notself._isred(node.left):
node=self._left_rotate(node)if self._isred(node.left) andself._isred(node.left.left):
node=self._right_rotate(node)if self._isred(node.left) andself._isred(node.right):
self._flipcolors(node)returnnodedefdelete_min(self):if not self._isred(self.root.left) and notself._isred(self.root.right):
self.root.color= 'RED'self.root=_delete_min(self.root)ifself.root:
self.root.color= 'BLACK'
def_delete_min(self, node):if notnode.left:returnNoneif not self._isred and notself._isred(node.left.left):
node=self._move_red_left(node)
node.left=self._delete_min(node.left)returnself._balance(node)defdelete_max(self):if not self._isred(self.root.left) and notself._isred(self.root.right):
self.root.color= 'RED'self.root=self._delete_max(self.root)if notself.root:
self.color= 'BLACK'
def_delete_max(self, node):ifself._isred(node.left):
node=self._right_rotate(node)if notnode.right:returnNoneif not self._isred(node.right) and notself._isred(node.right.left):
node=self._move_red_right(node)
node.right=self._delete_max(node.right)returnself._balance(node)def_move_red_right(self, node):
self._flipcolors(node)if notself._isred(node.left.left):
node=self._right_rotate(node)returnnodedefdelete(self, val):if not self._isred(self.root.left) and notself._isred(self.root.right):
self.root.color= 'RED'self.root=self._delete(self.root, val)if notself.root:
self.color= 'BLACK'
def_delete(self, node, val):if val
node=self._move_red_left(node)
node.left=self._delete(node.left, val)else:ifself._isred(node.left):
node=self._right_rotate(node)if val == node.val and notnode.right:returnNoneif not self._isred(node.right) and notself._isred(node.right.left):
node=self._move_red_right(node)if val ==node.val:
node.val=self._findmin(node.right).val
node.right=self._delete_min(node.right)else:
node.right=self._delete(node.right, val)returnself._balance(node)def_findmin(self, node):ifself.left:returnself._findmin(node.left)return node
代码自己写的,如有错误请指正。
参考:
Algorithm(4th version)
数据结构与算法——Java语言描述