python进阶之数据结构与算法--入门-树

树的基本概念：

       生产力专家说，突破源自于‘非线性’地思考问题。本节讨论一种重要的非线性数据结构--树，树结构确实是一种突破，利用它实现的一系列算法要比线性结构执行效率快的多，树也提供了一种更加自然和真实的组织形式。树的结构是分层的，讨论结构要重点区分‘上面的’和‘下面的’。

      树是一种将元素分层次存储的抽象数据类型。除了最顶部的元素，每个元素在树中都有一个‘双亲’节点和零个或者多个的‘孩子’节点，通常称最顶部的元素为树的根（root），其他元素被连接在它的下面，这和真正的植物树的结构刚好相反。

正式的树定义：

      通常我们将树T定义为存储一系列元素的有限节点集合，这些节点具有parent-children关系并且满足如下属性：

             1、如果树T不为空，则它一定有一个根节点r，且该节点没有父节点

             2、每个非根节点v都具有唯一的父节点w，每个具有父节点w的节点都是节点w的子节点

             3、同一个父节点的子节点互为兄弟节点，一个没有子节点的节点，称之为外部节点或者叶子节点

             4、有一个或者多个孩子节点的节点v称之为内部节点。

             5、如果树中的每个节点的孩子节点都有特定的顺序，那么这个树被称为有序树

树的抽象数据类型：

        用位置作为节点的抽象数据结构来定义树的抽象数据结构，一个元素存储在一个位置，并且位置信息满足树中的父节点和子节点的关系。一棵树的位置对象支持如下方法：

        p.element():返回存储在位置p的元素

        T.root():返回树T的根节点的位置。如果树为空，则返回None。

        T.is_root(p):如果位置p是树T的根，则返回True

        T.parent(p):返回位置为p的父节点的位置。如果p的位置为树的根节点，则返回None

        T.num_children(p):返回位置为p的孩子节点的编号

        T.children(p):产生位置为p的孩子节点的一个迭代

        T.is_leaf(p):如果未知节点p没有任何孩子，则返回True

        len(T):返回树T所包含的元素的数量

        T.is_empty():如果树T不包含任何位置

        T.positions():迭代生成存储在树T中的所有位置

        iter(T):迭代产生存储在树T中的所有元素

       以上所有方法均接受一个位置作为参数，但是如果树T中的这个位置是无效的，则调用它就会触发一个ValueError

树的代码：

抽象基类的一些具体方法：

计算深度和高度：

       深度：

       假设p是树中的一个节点，则该节点的深度为节点p的祖先的个数，不包括p本身。

              如果p是根节点，则p的深度为0

              否则，p的深度就是其父节点的深度加1

依照此，给出计算深度的递归算法：

        高度：

        如果p是叶子节点，那么它的高度为0，如果不是，则其高度为孩子节点中最大高度+1；一颗非空树T的高度是树根节点的高度。计算非空树的代码如下：（遍历找到所有叶子节点中的最大深度）

更加高效的方式：

        想要了解更多有趣内容，请关注‘小白piao学python’（会有不定期的公开课哦），如果想要咨询学习python的小技巧，可以联系小白piao的个人微信：wxi_xbp_python3：