数据结构 No.9 二叉树入门

定义

       在计算机科学中，二叉树（英语：Binary tree）是每个节点最多只有两个分支(不存在分支度大于2的节点)的树结构。通常分支被称作“左子树”和“右子树”。二叉树的分支具有左右次序，不能颠倒。二叉树的第层至多拥有个节点数；深度为的二叉树至多总共有个节点数（定义根节点所在深度 ），而总计拥有节点数匹配的，称为“满二叉树”；深度为有个节点的二叉树，当且仅当其中的每一节点，都可以和同样深度的满二叉树，序号为1到的节点一对一对应时，称为“完全二叉树”。；对任何一棵非空的二叉树，如果其叶片(终端节点)数为，分支度为2的节点数为，则。与普通树不同，普通树的节点个数至少为1，而二叉树的节点个数可以为0；普通树节点的最大分支度没有限制，而二叉树节点的最大分支度为2；普通树的节点无左、右次序之分，而二叉树的节点有左、右次序之分。二叉树通常作为数据结构应用，典型用法是对节点定义一个标记函数，将一些值与每个节点相关系。这样标记的二叉树就可以实现 二叉查找树和二元堆积，并应用于高效率的搜索和排序。  

                           图一                                                      图二

图一：一棵有9个节点和深度为3的二叉树，根节点的值为2，它既不平衡也没有经过排序。

图二：满二叉树

相关名词

节点的度：一个节点含有的子树的个数称为该节点的度；
叶节点或终端节点：度为0的节点称为叶节点；
非终端节点或分支节点：度不为0的节点；
双亲节点或父节点：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；
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；
树的度：一棵树中，最大的节点的度称为树的度；
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：双亲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

代码实现

下面的代码实现并没有太多的东西，只是一个入门。数组中插入和删除操作效率过低，而链表中查找的效率又很底。树这种数据结构就应运而生了，既保证增删也保证改查的效率

• 二叉树节点：一个节点至少包含三部分。数据项，左子节点，右子节点。数据项为节点中存放的具体值，可以根据业务需要添加额外属性。左、右子节点保存的是下一个节点的地址。

/*
 * 二叉树节点
 */
public class Node {
	// 数据项
	public long data;
	// 数据项
	public String sData;
	// 左子节点
	public Node leftChild;
	// 右子节点
	public Node rightChild;
	
	/**
	 * 构造方法
	 * @param data
	 */
	public Node(long data,String sData) {
		this.data = data;
		this.sData = sData;
	}
}

• 二叉树类中至少包含一个属性，根节点。
• 插入结点：首先将根节点的值付给一个新建的节点，叫当前节点，保证状态使用。然后判断，root结点是否为null，为null也就是第一次插入，直接将包装好的新节点赋值给root，结束。如果不为null，把保持的root结点也就是当前节点赋值给已经新建好的父节点（它的作用用于保存判断左子节点右子节点之前的状态），如果当前节点的数据大于目标数据，那么将目标结点的左子节点赋值给自己，判断赋值后的自己如果为null，证明这个位置就是适合目标数据的位置，将目标数据封装好的节点赋值给之前已经新建好的父节点，结束。如果当前节点的数据小于目标数据，同上。然后用while将这段代码包装起来。一层一层直到找到合适的节点。
• 查找节点：保存根节点的引用，称之为当前节点。然后从当前节点开始查找，如果当前节点的数据项大于目标数据。那么将当前节点的左子节点赋值给当前节点（也就是把左子节点当成当前节点）。如果当前节点的数据项小于目标数据。那么将当前节点的右子节点赋值给当前节点（也就是把右子节点当成当前节点）。之后再判断当前节点是否为null，如果节点为null证明没有找到，返回null。或者当 当前节点的数据项等于目标数据的时候跳出循环，返回当前节点。

/*
 * 二叉树类
 */
public class Tree {
	// 根节点
	public Node root;
	
	/**
	 * 插入节点
	 * @param value
	 */
	public void insert(long value,String sValue) {
		// 封装节点
		Node newNode = new Node(value,sValue);
		// 引用当前节点
		Node current = root;
		// 引用父节点
		Node parent;
		// 如果root为null，也就是第一插入的时候
		if(root == null) {
			root = newNode;
			return;
		} else {
			while(true) {
				// 父节点指向当前节点
				parent = current;
				// 如果当前指向的节点数据比插入的要大,则向左走
				if(current.data > value) {
					current = current.leftChild;
					if(current == null) {
						parent.leftChild = newNode;
						return;
					}
				} else {
					current = current.rightChild;
					if(current == null) {
						parent.rightChild = newNode;
						return;
					}
				}
			}
		}
	}
	
	/**
	 * 查找节点
	 * @param value
	 */
	public Node find(long value) {
		// 引用当前节点，从根节点开始
		Node current = root;
		// 循环，只要查找值不等于当前节点的数据项
		while(current.data != value) {
			// 进行比较，比较查找值和当前节点的大小
			if(current.data > value) {
				current = current.leftChild;
			} else {
				current = current.rightChild;
			}
			// 如果查找不到
			if(current == null) {
				return null;
			}
		}
		return current;
	}
}

/**
 * 测试方法根据数字进行排序
 * @project JavaData
 * @date 2018年2月27日 下午5:37:45 
 * @author Huaxu-Charles
 */
public class TestTree {
	public static void main(String[] args) {
		Tree tree = new Tree();
		tree.insert(10,"James");
		tree.insert(20,"YAO");
		tree.insert(15,"Kobi");
		tree.insert(3,"Mac");
		
		System.out.println(tree.root.data);
		System.out.println(tree.root.rightChild.data);
		System.out.println(tree.root.rightChild.leftChild.data);
		System.out.println(tree.root.leftChild.data);
		
		Node node = tree.find(3);
		System.out.println(node.data + ", " + node.sData);
	}
}