在了解二分搜索树之前,我们要先来了解一下二叉树。
1.1 二叉树
二叉树是一种动态的数据结构。他每个节点都可以有两个子节点,成为左孩子节点和右孩子节点。没有一个孩子节点的节点称为叶子节点。每个节点还可以最多有一个父节点。如下图,40为该该二叉树的根节点,35和20分别为40的左孩子和右孩子。60,45,30,10都可被成为叶子节点。
1.1.1 满二叉树与完全二叉树
二叉树根据节点分布的不同可分为满二叉树与完全二叉树。假设一颗二叉树的深度为k,那满二叉树就是该树第k-1层的节点都有两个孩子节点且第k层的节点都为叶子节点,从外形来看就像是一个三角形。而完全二叉树就是去除最后一层的叶子节点后就变成一个满二叉树,且最后层的叶子节点都连续分布在左边。以下为满二叉树与完全二叉树的对比图。
1.2 二分查找树
了解了二叉树后,我们再来看二分查找树。二分查找树也是二叉树,它有二叉树的所有性质。其本身又有自身特殊的性质:
二分查找树每个节点的左孩子的值都小于其本身节点的值,每个节点的右孩子的值都大于其本身的值。
任意节点的每颗子树也都满足以上的性质
1.2.1 二分查找树的节点建立、插入
二分查找树是通过节点建立的,所以要先建立一个节点类,一个节点的属性有其本身的值,其左孩子、有孩子以及其父节点。代码如下:
from pprint import pformat
class Node:
def __init__(self, data):
self.data = data#节点的值
self.left = None#节点的左孩子
self.right = None#节点的右孩子
self.parent = None#节点的父节点
def __repr__(self):#本方法是为最后打印树所写
if self.left is None and self.right is None:
return str(self.data)
return pformat({"%s" % (self.data): (self.left, self.right)}, indent=1)
接着要定义一个二分查找树类,一个树的自身的属性只有一个根属性。代码如下:
class BST:
def __init__(self, root=None):
self.root = root
def __str__(self):
return str(self.root)
def is_empty(self):#判断树是否为空
if self.root is None:
return True
else:
return False
二叉树的插入,根据二叉树的定义,左孩子节点的值要小于本身的值,右孩子的值大于本身的值。故先从根节点判断,如果根节点为空,则直接定义插入的节点为根节点;如不为空,则先比较要插入节点的值与根节点的值,如果小于根节点的值,则该值应该位于根节点的左子树。接着判断根节点的左孩子是否为空,如果为空,则直接将要插入的值赋给其左孩子节点;若不为空,则将该左孩子视为上述步骤的根节点,再判断要插入的值与当前节点的值的大小。上述步骤中如果是大于,则步骤中的左孩子变为右孩子。下图为插入的图示:
代码实现:
def __insert(self, value):
new_node = Node(value)#定义新插入的节点
if self.is_empty():#判断根节点是否为空
self.root = new_node
else:
parent_node = self.root#定义一个父亲节点,初始为根节点
while True:
if value < parent_node.data:#判断插入的值与父亲节点的值的大小
if parent_node.left is None:#如果小于,则先判断该父亲节点是否为空,如果为空
parent_node.left = new_node#则将要新插入的节点赋给该父亲节点的左孩子
break
else:
parent_node = parent_node.left#否则将该父亲节点的左孩子重新定义为父亲节点
else:#如果大于,则步骤与小于的步骤类似,将左孩子换成有孩子即可
if parent_node.right is None:
parent_node.right = new_node
break
else:
parent_node = parent_node.right
new_node.parent=parent_node#最后定义插入的节点的父节点为定义的父亲节点
def insert(self, *args):#插入时定义一个插入的方法,再调用上述写好的私有方法
for i in args:
self.__insert(i)
return self
1.2.2 二分查找树的查找
由于二分查找树没有索引,故需从根节点来遍历整个树来查找元素。从根节点开始,判断当前节点的值和查找的值是否相等,若不等,则继续向下遍历,而向左边遍历还是向右边遍历,则需要比较当前节点值和查找的值的大小。直至最后值相等或值不存在停止遍历。代码实现如下:
def search(self, value):
if self.is_empty():#判断树是否为空
raise Exception('空树')
else:
node = self.root#将当前节点node赋值为根节点
while node and node.data != value:#判断节点是否为空和是否等于要查找的值
node = node.left if value < node.data else node.right #如果查找的值大于当前节点的值,则将当前节点的右孩子赋为当前节点,否则赋为左孩子
return node #最后返回node
1.2.3 二次查找树的删除
二分查找树的删除的实现较为繁琐,故我将直接在代码中写注释加以说明:
def remove(self, value):
search_node = self.search(value)#先通过查找函数找到要删除的节点
if search_node is not None:
if search_node.left is None and search_node.right is None: #判断要删除的节点的左孩子和右孩子,若都为空
self.__reassin(search_node, None) #通过一个reassin方法来实现删除操作,该方法实质上就是一个交换函数,传入要删除的节点和None
elif search_node.left is None:#如果只有左孩子为空
self.__reassin(search_node, search_node.right)#则方法中传入删除的节点和其右孩子
elif search_node.right is None: #如果只有右孩子为空
self.__reassin(search_node, search_node.left)#则方法中传入删除的节点和其左孩子
else: #如果两个孩子节点都不空
temp = self.get_max(search_node.left) #先找到删除的节点的左子树的最大值节点
self.remove(temp.data)#接着删除该最大值节点
search_node.data = temp.data#最后将要删除的节点的值赋为最大值节点的值,这样就完成了删除操作
def __reassin(self, node, new_chird):#该方法就是交换的方法
if new_chird is not None:#判断传入的孩子节点是否为空,若不为空
new_chird.parent = node.parent#则先将该孩子节点的父节点设为传入的要删除的节点的父节点
if node.parent is not None:#判断要删除的节点的父节点是否为空,若不为空
if self.is_right(node):#则先判断该删除的节点是否为其父节点的右孩子,若是
node.parent.right = new_chird#则直接将其父节点的右孩子赋为传入的孩子节点
else:
node.parent.left = new_chird#若不是右孩子,则将其父节点的左孩子赋为传入的孩子节点
else:#如果要删除的节点的父节点为空
self.root = new_chird#直接将根节点赋为传入的孩子节点
def get_max(self, node=None):#该方法为找到某一节点下的最大值
if node is None:
node = self.root
if not self.is_empty(): #判断是否为空,若不空
while node.right is not None:#一直遍历右孩子,直到为空
node = node.right
return node#最后返回的就是最大节点
def is_right(self, node):#该方法就是判断某一节点是否为其父节点的右孩子
return node == node.parent.right
本文地址:https://blog.csdn.net/weixin_48753895/article/details/107143465
希望与广大网友互动??
点此进行留言吧!