二叉树
二叉树的基本概念
二叉树是每个节点最多有两个子树的树结构。通常子树被称作“左子树”(left subtree)和“右子树”(right subtree)
二叉树的性质(特性)
- 在二叉树的第i层上至多有2^(i-1)个结点(i>0)
- 深度为k的二叉树至多有2^k - 1个结点(k>0)
- 对于任意一棵二叉树,如果其叶结点数为N0,而度数为2的结点总数为N2,则N0=N2+1
- 具有n个结点的完全二叉树的深度必为 log2(n+1)
- 对完全二叉树,若从上至下、从左至右编号,则编号为i 的结点,其左孩子编号必为2i,其右孩子编号必为2i+1;其双亲的编号必为i/2(i=1 时为根,除外)
完全二叉树 – 设二叉树的高度为h,除第 h 层外,其它各层 (1~h-1) 的结点数都达到最大个数,第h层有叶子结点,并且叶子结点都是从左到右依次排布,这就是完全二叉树。
满二叉树 – 除了叶结点外每一个结点都有左右子叶且叶子结点都处在最底层的二叉树。
二叉树的节点及树的创建
创建二叉树的节点类,因为二叉树有左右两个节点,所以相比起链表要多出lchild左孩子和rchild右孩子
class Node:
'''树的结点'''
def __init__(self, item):
self.item = item
self.lchild = None
self.rchild = None
创建树类,初始化时为一空树,树的最上层设定一个root根节点,有添加节点的方法
class Node:
'''树的结点'''
def __init__(self, item):
self.item = item
self.lchild = None
self.rchild = None
class Tree:
'''二叉树'''
def __init__(self):
self.root = None # 构造一个空的二叉树
def add(self, item):
'''队列:一边存储,另一边取数'''
node = Node(item)
if self.root is None: # bool([None])=True,当根值为None时先给根赋值
self.root = node
return
queue = [self.root]
while queue: # 只要队列不为空,就可以从队列头部取数遍历,判断左右结点是否有值;空列表的逻辑值为False
cur_node = queue.pop(0)
if cur_node.lchild is None:
cur_node.lchild = node
return
else:
queue.append(cur_node.lchild)
if cur_node.rchild is None:
cur_node.rchild = node
return
else:
queue.append(cur_node.rchild)
二叉树的遍历
树的遍历是树的一种重要运算,即对树中所有结点信息进行打印,树中每个结点访问一次且仅访问一次。树的两种重要的遍历模式是深度优先遍历和广度优先遍历。
深度优先一般用递归,广度优先一般用队列。一般情况下能用递归实现的算法大部分也能用堆栈来实现。
广度优先遍历(层次遍历)
从树的root开始,从上到下、从左到右遍历整个树的节点,一层层向下遍历
# 置于树类中的方法,无需传参,在创建树类实例时直接读取参数
def breadth_travel(self):
'''层次遍历(广度遍历)'''
if self.root == None:
return
queue = [self.root]
while queue:
cur_node = queue.pop(0)
print(cur_node.item, end='')
if cur_node.lchild is not None:
queue.append(cur_node.lchild)
if cur_node.rchild is not None:
queue.append(cur_node.rchild)
深度优先遍历
对于一颗二叉树,深度优先搜索(Depth First Search)是沿着树的深度遍历树的节点,尽可能深的搜索树的分支。深度遍历分为先序遍历、中序遍历、后序遍历三种方法,这三种方式常被用于访问树的节点,它们的不同在于访问每个节点的次序不同。
- 先序遍历:在先序遍历中,先访问根节点,然后递归使用先序遍历访问左子树,再递归使用先序遍历访问右子树
根节点->左子树->右子树
# 置于树类中的方法,无需传参,在创建树类实例时直接读取参数
def preorder(self, node): # 将每一对父节点与(左右)子结点视为一棵树,通过改变根实现遍历
'''先序遍历--1.根,2.左,3.右'''
if node is None: # 递归终止条件
return
print(node.item, end='')
self.preorder(node.lchild) # 遍历左半部分
self.preorder(node.rchild) # 遍历右半部分
- 中序遍历:在中序遍历中,先递归使用中序遍历访问左子树,然后访问根节点,最后再递归使用中序遍历访问右子树
左子树->根节点->右子树
# 置于树类中的方法,无需传参,在创建树类实例时直接读取参数
def inorder(self, node): # 将每一对父节点与(左右)子结点视为一棵树,通过改变根实现遍历
'''中序遍历--1.左,2.根,3.右'''
if node is None: # 递归终止条件
return
self.inorder(node.lchild) # 遍历左半部分
print(node.item, end='')
self.inorder(node.rchild) # 遍历右半部分
- 后序遍历:在后序遍历中,先递归使用后序遍历访问左子树和右子树,最后访问根节点
左子树->右子树->根节点
# 置于树类中的方法,无需传参,在创建树类实例时直接读取参数
def posorder(self, node): # 将每一对父节点与(左右)子结点视为一棵树,通过改变根实现遍历
'''后序遍历--1.左,2.右,3.根'''
if node is None: # 递归终止条件
return
self.posorder(node.lchild) # 遍历左半部分
self.posorder(node.rchild) # 遍历右半部分
print(node.item, end='')
对一部分简单的树结构,左节点永远先于右节点。先序遍历:根节点->左子树->右子树;中序遍历:左子树->根节点->右子树;后序遍历:左子树->右子树->根节点。
测试
if __name__ == '__main__':
tree = Tree()
tree.add(0)
tree.add(1)
tree.add(2)
tree.add(3)
tree.add(4)
tree.add(5)
tree.add(6)
tree.add(7)
tree.add(8)
tree.add(9)
tree.pre_travel(tree.root)
print()
tree.in_travel(tree.root)
print()
tree.post_travel(tree.root)
已知打印顺序推测树结构
若只给先序与后续无法确定一棵树,两个序列中必须包含中序才能为一确定一棵树。因为中序将所有树的左右分割开来了,而先序和后序无法区分左右。
通过先序(根在头)或后序(根在尾)寻找树的根,通过中序分割树的左右。