二叉树

树（Tree）

高度和深度都是边数：

二叉树（Binary Tree）

每个节点最多有两个“叉”，也就是两个子节点的树，分别是左子节点和右子节点。

满二叉树： 叶子节点全都在最底层，除了叶子节点之外，每个节点都有左右两个子节点，这种二叉树就叫做满二叉树（编号2）；

完全二叉树： 叶子节点都在最底下两层，最后一层的叶子节点都靠左排列，并且除了最后一层，其他层的节点个数都要达到最大。（编号 3 ）

链式存储法

大部分二叉树代码都是通过这种结构来实现的。

完全二叉树不就是“芸芸众树”啊，为神马还要单独提出来？

因为完全二叉树有这种存储规律：节点 X 存储在数组中下标为 i 的位置，下标为 2 * i 的位置存储的就是左子节点，下标为 2 * i + 1 的位置存储的就是右子节点。

这种规律完全可以用数组存储。因为数组的存储方式并不需要像链式存储法那样，要存储额外的左右子节点的指针。所以，堆是一种完全二叉树，最常用数组存储。（这也就是为什么会单独定义完全二叉树）

二叉树遍历

每个节点最多会被访问两次，所以遍历操作的时间复杂度2n，时间复杂度是 O(n)。

 //中序遍历递归函数
    private void inOrder(StringBuilder sb, Node root) {
        if (root == null) return;
        inOrder(sb,root.left);
        sb.append(root.data + ",");
        inOrder(sb,root.right);
    }

    //前序遍历
    private void preOrder(StringBuilder sb,Node root){
        if (root == null) return;
        sb.append(root.data + ",");
        preOrder(sb,root.left);
        preOrder(sb,root.right);
    }

    //后序遍历
    private void postOrder(StringBuilder sb,Node root){
        if (root == null) return;
        preOrder(sb,root.left);
        preOrder(sb,root.right);
        sb.append(root.data + ",");
    }

    /**
     * 难点：按层遍历
     * @return
     */
    public String tierOrder(){
        if (root == null) return null;
        //保存同一级的结点
        LinkQueue queue = new LinkQueue(20);
        //按序保存输出值
        ArrayList list = new ArrayList();
        //先将根节点入队
        queue.enqueue(root);
        tierOrder(queue,list);
        return list.toString();
    }

    private void tierOrder(LinkQueue queue,ArrayList list) {
        //队为空说明该层没有结点了
        if (queue.isEmpty()) return;
        //获取当前层结点个数
        int size = queue.getSize();
        //只依次取出当前层结点
        //并且每取出一个结点将此结点的子节点入队
        while (0<size){
            Node root = (Node)queue.dequeue();
            list.add(root);
            --size;
            if (root.left != null) queue.enqueue(root.left);
            if (root.right != null) queue.enqueue(root.right);
        }
        //递归
        tierOrder(queue,list);
    }

二叉查找树（Binary Search Tree）

就是排序后的树：二叉查找树要求，在树中的任意一个节点，其左子树中的每个节点的值，都要小于这个节点的值，而右子树节点的值都大于这个节点的值。（排序才能查找嘛，按照查找值与结点值比较大小，判断是往左还是往右）

查找

public Node find(int data) {
    Node p = tree;
    while (p != null) {
          if (data < p.data) 
          		p = p.left;      
          else if (data > p.data) 
          		p = p.right;      
          else return p;    
    }    
    return null;  
 }

插入

public void insert(int data) {
  if (tree == null) {
    tree = new Node(data);
    return;
  }

  Node p = tree;
  while (p != null) {
    if (data > p.data) {
      if (p.right == null) {
        p.right = new Node(data);
        return;
      }
      p = p.right;
    } else { // data < p.data
      if (p.left == null) {
        p.left = new Node(data);
        return;
      }
      p = p.left;
    }
  }
}

删除

• 第一种情况是，如果要删除的节点没有子节点，我们只需要直接将父节点中，指向要删除节点的指针置为 null。
• 第二种情况是，如果要删除的节点只有一个子节点（只有左子节点或者右子节点），那么直接让该子结点（无论左右）代替该结点就可。
• 第三种情况是，如果要删除的节点有两个子节点。我们需要找到这个节点的右子树中的最小节点，把它替换到要删除的节点上。 （此替换一般采用直接赋值，将该最小结点的值直接赋该删除结点）然后再删除掉这个最小节点，因为最小节点肯定没有左子节点（如果有左子结点，那就不是最小节点了），所以，我们可以应用上面两条规则来删除这个最小节点。比如图中的删除节点 18。

public void delete(int data) {
  Node p = tree; // p指向要删除的节点，初始化指向根节点
  Node pp = null; // pp记录的是p的父节点
  while (p != null && p.data != data) {
    pp = p;
    if (data > p.data) p = p.right;
    else p = p.left;
  }
  if (p == null) return; // 没有找到

  // 要删除的节点有两个子节点
  if (p.left != null && p.right != null) { // 查找右子树中最小节点
    Node minP = p.right;
    Node minPP = p; // minPP表示minP的父节点
    while (minP.left != null) {
      minPP = minP;
      minP = minP.left;
    }
    p.data = minP.data; // 将minP的数据替换到p中
    p = minP; // 下面就变成了删除minP了
    pp = minPP;
  }

  // 删除节点是叶子节点或者仅有一个子节点
  Node child; // p的子节点
  if (p.left != null) child = p.left;
  else if (p.right != null) child = p.right;
  else child = null;

  if (pp == null) tree = child; // 删除的是根节点
  else if (pp.left == p) pp.left = child;
  else pp.right = child;
}

支持重复数据的二叉查找树

• 第一种方法比较容易。二叉查找树中每一个节点不仅会存储一个数据，因此我们通过链表和支持动态扩容的数组等数据结构，把值相同的数据都存储在同一个节点上。
• 第二种方法：
  大于等于的值都放在右子树上：
  
  查找数据的时候，遇到值相同的节点，我们并不停止查找操作，而是继续在右子树中查找，直到遇到叶子节点，才停止。
  
  删除操作，我们也需要先查找到每个要删除的节点，然后再按前面讲的删除操作的方法，依次删除。
  

二叉查找树的时间复杂度分析

二叉树插入、删除、查找时间复杂度[O(logn)，O(n)]之间，越平衡越靠近O(logn)。（其实都跟树的高度成正比，也就是 O(height)（log2n < height < n））

平衡二叉查找树：插入、删除、查找操作的时间复杂度比较稳定，是 O(logn)。

二叉树相对散列表的优势

• 第一，散列表中的数据是无序存储的，如果要输出有序的数据，需要先进行排序。而对于二叉查找树来说，我们只需要中序遍历，就可以在 O(n) 的时间复杂度内，输出有序的数据序列。
• 第二，散列表扩容耗时很多，而且当遇到散列冲突时，性能不稳定（特别情况可能退化为O(n)）尽管二叉查找树的性能不稳定，但是在工程中，我们最常用的平衡二叉查找树的性能非常稳定，时间复杂度稳定在 O(logn)。（普通的二叉树也可能退化为链表O(n)）
• 第三，尽管散列表的查找等操作的时间复杂度是常量级的，但因为哈希冲突的存在，这个常量不一定比 logn 小(比如，拉了很长的链)，所以实际的查找速度可能不一定比 O(logn) 快。加上哈希函数的耗时，也不一定就比平衡二叉查找树的效率高。
  
• 第四，散列表的构造比二叉查找树要复杂，需要考虑的东西很多。比如散列函数的设计、冲突解决办法、扩容、缩容等。平衡二叉查找树只需要考虑平衡性这一个问题。最后，为了避免过多的散列冲突，散列表装载因子不能太大，特别是基于开放寻址法解决冲突的散列表。