树（一种分支结构的数据组织方式）

1. 基本概念

树是一种应用十分广泛的数据结构，最常见的就是包括 UNIX、DOS 在内的许多常用操作系统的目录结构，下图是 UNIX 文件系统中的一个典型目录：

从图中我们可以对此数据结构有一个大致的了解，与我们日常生活中的树类似，有一个“根”以及众多的分支、叶子。为了更好的了解这一数据结构，我们以表格的形式给出一些与树相关的常用的术语，并配合下面的图片对其进行解释。

术语	意义
节点	所谓节点，就是指树中的元素，图中的每一个圆圈就代表一个节点。
父亲/孩子	如图中所示，a 结点是 b 节点的“直接上邻”，则称 a 节点是 b 节点的父亲，相应的 b 节点就是 a 节点的儿子。
祖先/后代	某节点的祖先/后代包括两部分：1. 该节点本身。2. 它的父亲的祖先/后代（例如 a、b、e 都是节点 e 的祖先；e、j、k 都是节点 e 的后代）。
子树	将树中任意一节点 v 的所有后代，按原有的结构组织在一起，也构成了一棵树，将此树称作“以 v 为根的子树”。
根节点	位于“最上层”的节点，如图中的 a 节点。
节点的深度	某节点的深度取决于它和根节点的“相对层次差距”，如图中根节点 a 的深度为 0 （深度为 0 的节点有且只有一个，就是根节点），位于根节点下一层的节点 b、c、d 深度为1，以此类推。
树的深度（高度）	树中所有节点的最大深度，称作树的深度或高度（注意与节点的深度和高度进行区分）。图中的树的深度（高度）为 4。
内部节点/外部节点（叶子）	至少拥有一个孩子的节点称作内部节点，没有任何孩子的节点称作外部节点（叶子）。
节点的高度	若“以节点 v 为根的子树”的深度（高度）为 h，则称节点 v 的高度为 h。
度	某节点孩子的数目，称作它的度（如图中 a 节点的度为 3）。
有序树	在树 T 中，若在每个节点的所有孩子之间都可以定义某一线性次序，则称 T 为一棵有序树。
m 叉树	每个内部节点均为 m 度的有序树，称作 m 叉树。

2. 树的 ADT（Abstract Data Type）

树这一抽象类型需要支持以下的基本方法：

方法	功能描述
getElement()	返回存放于当前节点处的对象
setElement(e)	将对象e 存入当前节点，并返回其中此前所存的内容
getParent()	返回当前节点的父节点
getFirstChild()	返回当前节点的长子（最左边的孩子）
getNextSibling()	返回当前节点的最大弟弟（同一层次中右边相邻的节点）

3. 二叉树

正如第一节表格中所定义的，二叉树就是指每个内部节点均为 2 度的有序树。由于它的节点至多有两个孩子，因此每个节点的孩子（如果存在的话）可以左、右区分，分别称其为左孩子和右孩子。由于二叉树在结构上具有特殊性，再次对其 ADT 稍作修改，将原本的 getFirstChild() 方法和 getNextSibling() 方法，修改为以下两个方法。

方法	功能描述
getLeftChild()	返回当前节点的左孩子
getRightChild()	返回当前节点的右孩子

对一组数据进行遍历是我们在编程中经常会做的一件事情，对于一般的树而言，其常见的遍历方式有：前序遍历、后续遍历和层次遍历。如果将范围限制在二叉树这一结构的话，还可以定义一种在某些场合十分有用的遍历方式——中序遍历（仅限于二叉树）。树的遍历最自然的实现方式就是通过递归实现，下面将介绍如何利用递归，实现二叉树的四种遍历方式。

3.1 前序遍历

前序是指对数据的操作是“前序”的，即先访问节点并对其进行相应操作，然后才会继续访问后续的节点。

算法：PreorderTraversal(v)
输入：树节点v
功能：按“前序”对以节点v为根的子树进行遍历
具体实现：{
	if (v != null) {
		访问节点v并对其进行相应的操作
		PreorderTraversal(v.getLeftChild()); // 递归的对左子树进行前序遍历
		PreorderTraversal(v.getRightChild()); // 递归的对右子树进行前序遍历
	}
}

3.2 中序遍历

中序遍历是指先访问左子树，再访问当前节点，最后在访问右子树。

算法：InorderTraversal(v)
输入：树节点v
功能：按“中序”对以节点v为根的子树进行遍历
具体实现：{
	if (v != null) {
		InorderTraversal(v.getLeftChild()); // 递归的对左子树进行中序遍历
		访问节点v并对其进行相应的操作
		InorderTraversal(v.getRightChild()); // 递归的对右子树进行中序遍历
	}
}

3.3 后续遍历

后续是指对数据的操作是“后续”的，即先访问左右子树，然后才会访问当前的节点。

算法：PostorderTraversal(v)
输入：树节点v
功能：按“后续”对以节点v为根的子树进行遍历
具体实现：{
	if (v != null) {
		PostorderTraversal(v.getLeftChild()); // 递归的对左子树进行后续遍历
		PostorderTraversal(v.getRightChild()); // 递归的对右子树进行后续遍历
		访问节点v并对其进行相应的操作
	}
}

3.4 层次遍历

层次遍历是指从树的最上层（根节点）开始，按照次序依此对每一层的节点进行遍历。层次遍历可以借助队列实现。

算法：LevelorderTraversal(v)
输入：树节点v
功能：按“层次”对以节点v为根的子树进行遍历
具体实现：{
	if (v != null) {
		Queue queue = new Queue(); // 创建一个队列
		queue.enqueue(v); // 根节点入队
		while(!queue.isEmpty()) { // 队列非空
			Node node = queue.dequeue(); // 取出队列的首节点
			
			访问节点node并对其进行相应的操作
			
			// node节点的孩子入队
			if(node.getLeftChild() != null) {
				queue.enqueue(node.getLeftChild());
			}
			if(node.getRightChild() != null) {
				queue.enqueue(node.getRightChild());
			}
		} // while
	} // if
}

4. 真二叉树、满二叉树和完全二叉树

术语	意义
真二叉树	指不含 1 度节点的二叉树，也就是说，真二叉树所有内部节点的度均为 2（有两个孩子）。
满二叉树	若二叉树中所有叶子的深度完全相同，则称之为满二叉树。
完全二叉树	若在一棵满二叉树中，从最右侧起将相邻的若干匹叶子节点摘除掉，将摘除后所得到的二叉树称作完全二叉树。

不难看出，对于由 n 个节点构成的完全二叉树，其深度（高度） h = [log2(n)]（[x]表示不超过实数x的最大整数）。

对于一组数据而言，数据查找一种是频率较高的操作，如何快速的找到指定的数据一直是探讨的探讨的重点之一。如果将数据组织成类似完全二叉树的结构（有同等级的高度即可），并让其中数据的排列带有一定的规则，即查找时可以根据当前节点中的某些参数，确定查找的数据是处于当前节点的左子树还是右子树。在此结构中，我们最多只需要查找 h + 1（h 为树的深度）次，就可以确定查找的数据的位置，也就是说，查找的时间复杂度被控制在了 O(log2(n))！

二叉查找树

关于树在查找中的应用，可以查看： 查找树（一）：初探二叉查找树.