手绘图系列 04 | 使用频率最高的”树“

手绘图手撕数据结构与算法系列目录：
手绘图系列 01 | 链表到底是什么？
手绘图系列 02 | 让人害怕的栈溢出
手绘图系列 03 | 排队？还是不排队？

到目前为止，我们主要介绍了一些线性的数据结构，如链表、队列、栈。在这些结构中，数据是有序的，而且顺序很重要。

今天我们要跳出这个框框，进入一个更加“有挑战性”的领域——非线性数据结构。我们将从使用频率最高的”树“开始！

记住！树是一种非常重要的非线性数据结构。

与树相关的术语

现实生活中，无论是橡树、枫树还是银杏树，都是从坚实的根部开始生长的。同样的，在树这种数据结构中，会有一个根节点（非空树），在根节点之上再衍生出多个其它节点。

当我们讨论树时，有几个关键术语你需要了解：

• 节点（Node）：树中的每个元素称为一个节点，每个节点可以包含一个值或者其他相关信息。
• 边（Edge）：树中连接两个节点的线称为边。表示父节点与子节点之间的关系。
• 根节点（Root Node）：树的最顶层节点，称为根节点，它没有父节点，是树的入口。
• 叶子节点（Leaf Node）：没有子节点的节点称为叶子节点，也叫终端节点。
• 父节点（Parent Node）：一个节点的上一级节点称为其父节点。
• 子节点（Child Node）：一个节点下面连接的节点称为其子节点。
• 兄弟节点（Sibling Node）：拥有同一个父节点的节点称为兄弟节点。
• 节点深度（Depth）：从根节点到该节点所经过的边的数量。
• 节点高度（Height）：从距离该节点最远的叶子节点到该节点所经过的边的数量。
• 子树（Subtree）：由树中任意一个节点及其所有子孙节点组成的集合称为子树。
• 节点的度（Degree）：一个节点其子节点的个数称为这个节点的度。
• 树的度（Degree）：树中所有节点的最大度数称为树的度。

结合上图，不难理解这些概念，对于比较重要的概念，后面会详细介绍。

树的基本性质

在树（Tree）结构中，无论树外观如何，有多少个节点，都有一些普遍的定理和性质。

让我们看看下面这棵树。

它总共有 10 个节点（包括根节点），9 条边，我们看到节点个数比边的个数多1，事实上，无论树的节点数量多少，这个关系都是成立的：如果一棵树有 n 个节点，那么它一定有 n-1 条边。

这里还有一个有趣的事实：树中实际上包含着树！一棵树通常由较小的树组成，我们称之为子树。这意味着树是一种递归的数据结构，理解这一点非常重要，这对我们编写遍历或搜索树的算法非常有帮助。

树有多高

大多数情况下，我们最关注树的两个属性是节点的深度和节点的高度。

• 节点的高度（Height）：从距离该节点最远的叶子节点到该节点所经过的边的数量。叶子节点高度为0。
• 节点的深度（Depth）：从根节点到当前节点路径上的边的数量。根节点的深度为 0。

理解节点深度的一个简单方法是问自己：这个节点距离树的根有多远？例如，在下图中，粉色节点的深度为 2，因为从粉色节点到根节点的路径恰好有 2 条边。而另一个紫色节点的深度为 3，因为从紫色节点到根节点的路径上恰好有 3 条边。

理解了节点深度之后，节点高度就相对容易了。同样你可以这样问自己：这个节点距离最远的叶子节点有多远？在示例中，橙色节点的高度为 3，因为其离最远的叶子节点（实际上有三个叶子节点离它最远！）需要 3 条边链接。

理解了节点的深度和节点的高度，进而引发出另外两个概念：树的高度和树的深度。

• 树的高度：树的高度等于根节点的高度，等于最远叶子节点的深度。
• 树的深度：树的深度等于树的高度。

深度和高度这两个概念之所以如此重要，是因为通过它们可以告知我们一棵树到底是什么形状，一个简单的例子就是平衡树与非平衡树：每个节点的子树高度差不超过1则认为该树是平衡树。否则是非非平衡树。

树的应用

为了真正理解树这种数据结构的强大之处，我们必须从其应用的角度来看待它们。

一个简单的例子计算机上的文件系统！这实际上就是一个树形数据结构：有一个根目录，然后下面挂着许多子目录和文件。子目录相当于非叶子节点，因为它们还可以包含更多子目录或文件，而文件则相当于叶子节点，因为它们没有子节点。

下一篇文章将和大家深入探讨一种特别重要的树——二叉搜索树 !